核心功能
Turing Pyramid 是一个本地优先的AI代理动机系统，通过10个层级化需求（安全、完整、连贯、闭合、自主、连接、胜任、理解、认可、表达）为代理提供动作优先级决策框架。系统基于需求满足度的动态衰减计算张力，每个心跳周期评估张力并选择高优先级的动作建议。
显著优点
1. 结构化决策机制
- 采用Turing-exp张力公式：平稳期平等轮换，危机时按重要性层级响应
- 执行门控（Execution Gate）强制区分"描述动作"与"执行动作"，要求环境证据验证
- 三层架构设计：动机层（纯建议）、连续层（状态持久化）、韧性层（故障恢复）
2. 完善的本地状态管理
- 无需外部依赖即可运行，默认无网络调用
- 原子化文件写入、信号陷阱处理、孤儿文件清理等防御性设计
- MINDSTATE.md双轨文档：reality层持续更新，cognition层会话冻结
3. 高度可配置性
- 10个需求的importance、decay_rate、动作权重均可自定义
- 跨需求影响矩阵支持动作涟漪效应
- 三层自发性系统（盈余/噪声/情境）创造有机行为节律
潜在局限与风险
1. 部署复杂度
- 需要隔离WORKSPACE目录，配置错误可能导致敏感文件扫描
- 完整功能依赖cron配置（5分钟daemon/15分钟watchdog），存在持久化风险
- 26个测试文件、65+断言的验证负担
2. 信任边界问题
- 自报告状态（mark-satisfied.sh）依赖调用方诚实性
- 看门狗kill/cleanup功能默认关闭，启用后需严格审查路径锚定逻辑
- external-model扫描模式需显式凭证配置
3. 代理执行依赖
- 系统仅输出建议文本，实际执行依赖代理运行时
- 若代理自动执行建议，需预审查needs-config.json中的external动作
适合人群
- 自托管AI代理开发者：需要本地优先、无需API的动机系统
- 研究型代理场景：强调 deliberative reasoning、研究线程管理的认知架构
- 高可控性需求场景：必须审计所有状态变更、拒绝黑箱决策的流程
安全等级评估
| 层级 | 风险 | 建议场景 |
|------|------|----------|
| Tier 1-2（交互/心跳）| 低——纯本地文件读写 | 所有用户起步 |
| Tier 3（连续层cron）| 中——只读系统检查（pgrep/df） | 验证后启用 |
| Tier 4（检测型看门狗）| 中——进程检测+日志 | 隔离环境测试后 |
| Tier 5（自愈模式）| 较高——kill进程+删除文件 | 源码审计后启用 |
关键安全设计：看门狗kill严格路径锚定于$SCRIPT_DIR/mindstate-*.sh，grep -F全匹配防止误杀；所有find使用-P禁止符号链接跟随；audit.log自动脱敏敏感数据。