Turing Pyramid

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。

核心用法

Turing Pyramid 是一套为 AI Agent 设计的本地动机系统，通过模拟生物需求的张力-满足循环来驱动 Agent 自主决策。系统内置 10 个可配置需求维度（security、integrity、coherence、closure、autonomy、connection、competence、understanding、recognition、expression），每个需求具有独立的权重与衰减速率。运行时，系统根据 Turing-exp 张力公式计算当前各需求的紧迫程度，结合概率机制选择待执行行动，并通过执行门控（Execution Gate）确保 Agent 真正完成行动而非仅做描述。

核心工作流为：init.sh 初始化 → run-cycle.sh 评估张力并提案 → Agent 执行行动 → gate-resolve.sh 提交证据 → mark-satisfied.sh 更新满足度。连续性层通过 mindstate-daemon.sh、freeze.sh、boot.sh 实现跨会话状态持久化，可选的 watchdog.sh 提供进程健康监控。

显著优点

分层安全架构：Motivation 层纯本地无系统交互，Continuity 层仅限只读系统检查，Resilience 层的 kill/cleanup 功能默认禁用且路径锚定，实现功能与风险的清晰隔离。

防幻觉执行门控：v1.27 引入的 Execution Gate 强制要求环境证据（文件创建/修改、显式脚本调用）才能解除提案阻塞，有效对抗 LLM "描述即执行" 的认知偏差。

零网络依赖：核心脚本无 curl/wget/ssh 等网络调用，纯本地 shell 实现，消除数据外泄与供应链攻击面。

高度可配置：10 维需求的权重、衰减率、行动池均可通过 needs-config.json 调整，支持 day/night 模式、 spontaneity 三层噪声、 deliberation 协议等高级特性。

审计完备：audit.log 自动脱敏敏感信息，所有状态变更可追溯。

潜在缺点与局限性

shell 性能天花板：6474 行 bash 脚本在处理大规模状态或高频心跳时存在性能瓶颈，不适合毫秒级响应场景。

外部行动仅建议：社交发布、网络搜索等 "external" 行动仅为文本建议，依赖 Agent 运行时自主决策执行，存在意愿-执行断层。

WORKSPACE 隔离依赖：安全模型完全依赖用户正确配置 $WORKSPACE，误配至家目录或系统路径将导致敏感文件扫描风险。

无分布式状态：不支持多 Agent 共享状态或分布式部署，单进程锁机制（flock）限制横向扩展。

适合的目标群体

• 自主 Agent 开发者：需要为 AI Agent 赋予持续动机与行动 prioritization 能力的开发者
• 长期运行 Agent 运维者：需要跨会话状态持久化与自愈机制的 Agent 部署场景
• LLM 幻觉对抗研究者：关注通过系统架构约束而非提示工程解决执行-描述混淆问题的研究者
• 离线/隐私敏感环境：禁止网络访问但需复杂 Agent 行为编排的场景

常规使用风险

进程管理风险：启用 allow_kill 后 watchdong 可终止自身脚本进程，虽路径锚定但仍需确保 $SCRIPT_DIR 未被篡改。建议生产环境保持默认 detect-only 模式。

磁盘与权限：daemon 的 df 检查需读取磁盘信息，cron 部署需非 root 用户以避免权限升级。MINDSTATE_ASSETS_DIR 未隔离时测试与生产状态可能混淆。

证据伪造可能：file_created/file_modified 证据类型依赖 Agent 诚信，恶意或错误配置的 Agent 可通过在 $WORKSPACE 创建文件伪造证据，敏感场景应限制为 mark_satisfied 类型。

cron 持久化风险：Tier 3+ 依赖 cron，若机器时钟异常或 cron 服务故障将导致状态计算偏差与连续性中断。