认知引擎设计笔记

本文记录 AuroraBot 认知引擎（内部代号 CortexForge）的核心设计——以下内容均已实现在当前代码中。

核心设计

文件作为数据载体

所有认知状态和事件以 JSON 文件形式存放在 data/kernel/ 下。文件不是临时变量，是持久的、可追踪的数据单元。

代码对应：src/brain/kernel/base.py 中的 FileDescriptor、FileEvent、FileUpdate。 实际落盘由 FileEventBus.apply_update() 执行，为每个文件路径维护 asyncio.Lock。

节点作为处理单元

一切认知逻辑封装为 Node。代码中分为两类：

• Agent — 调用 LLM（通过 llm_chat()），执行时间不确定
• Router — 纯逻辑运算，零 LLM，执行时间可预测

节点不保持运行内存状态（LLM 上下文除外）。节点实例可随时销毁与重建。

代码对应：src/brain/kernel/base.py 中的 Node / Agent / Router。

事件总线作为调度系统

文件变更通过 FileEventBus 广播。节点通过 glob 模式订阅事件（FilePattern.match()），自行决定是否激活。dispatch_forever() 协程持续从 asyncio.Queue 取事件并遍历匹配。

代码对应：src/brain/kernel/event_bus.py 的 FileEventBus。

声明式拓扑配置

节点的邻接关系不在代码中硬编码，而在 topology.yaml 中声明。每行的 watch / emit 字段定义节点监听的 glob 模式和产出的文件路径。相邻节点靠文件模式自动连边，无需显式声明上下游。

桥接外部事件

EventBridge（src/brain/nodes/event_bridge.py）将 ApplicationHost 队列中的 AppEvent 转化为文件写入，注入 Circuit。这是 App 层到认知层的正式接口。

当前拓扑 (Kernel-γ)

# topology.yaml — 当前 enabled: true 的节点
nodes:
  - id: message_preprocessor  # 事件收束 & 消息防抖
  - id: internalizer          # B→A 转义者：事件→第一人称体验
  - id: externalizer          # A→B 转义者：自我决定→JSON动作
  - id: command_dispatcher    # JSON 解析 → 命令派发
  - id: heartbeat             # 周期性心跳 (60s)
  - id: timer_scheduler       # cron 规则 → 节律触发器

文件生命周期 (Kernel-γ)

inbox/pending/  →  MessagePreprocessor  →  pipeline/message_queue/
                 →  Internalizer        →  pipeline/internalized/ + self/stream/now.md
                 →  Externalizer        →  pipeline/action_queue/
                 →  CommandDispatcher   →  App 命令执行

heartbeat/tick.json  →  TimerScheduler  →  rhythm/triggers/
                     →  MessagePreprocessor → (同上管线)

每个处理节点处理完毕后将输入文件移入 done/ 子目录。