Turing Pyramid

Turing Pyramid 是一款为AI代理设计的本地状态化动机系统，通过10维需求金字塔（安全、连接、表达等）实现智能化的行动优先级决策。其核心机制基于Tension指数公式：在稳态时各需求轮转平等，危机时刻按重要性层级响应。系统包含四大核心模块：Motivation层提供纯建议引擎，通过run-cycle.sh评估张力并输出行动建议；Execution Gate执行门机制强制要求环境证据验证，防止代理"描述行动"而非"执行行动"；Continuity层通过MINDSTATE.md实现跨会话状态持久化；Resilience层提供可选的看门狗进程监控。

显著优势：架构分层清晰，从Tier 1纯交互到Tier 5全自愈可渐进部署；Turing-exp张力公式设计精妙，平衡稳态多样性与危机响应；执行门的证据验证模型（文件创建/修改、mark_satisfied调用）有效区分推理与执行；审计日志自动脱敏处理PII；原子写入+信号陷阱保障崩溃恢复；测试覆盖65+断言。

潜在局限：Bash依赖栈较厚（jq/bc/flock等），跨平台需适配；配置复杂度较高（needs-config.json、mindstate-config.json、scan-config.json多文件管理）；看门狗的kill/cleanup功能虽路径锚定但仍需代码审查；外部模型扫描需显式凭证管理；"代理自驱"架构下仍需人工监督配置合理性。

适合人群：需要为AI代理构建自主决策循环的开发者；具备Linux/Bash基础、能理解cron隔离与进程管理的技术用户；愿意投入时间调优需求权重与衰减率的长期运营者。

常规风险：WORKSPACE目录若指向敏感路径可能导致信息泄露；cron部署需非root用户；agent-spawn/external-model扫描模式引入的推理成本与凭证暴露；自报告满意度机制的诚信假设；多层配置文件的维护负担。建议始终从Tier 1-2开始，隔离测试后再启用持久化cron。

核心用法

Turing Pyramid 为 AI Agent 构建了一套完整的动机系统，模拟人类心理需求的动态变化。系统内置 10 个可配置需求维度（security、integrity、coherence、closure、autonomy、connection、competence、understanding、recognition、expression），每个需求随时间衰减产生"张力"，系统根据张力公式自动选择最高优先级的行动建议。

典型使用流程：
1. 设置 WORKSPACE 环境变量指向隔离工作目录
2. 运行 init.sh 初始化状态文件
3. 将 run-cycle.sh 加入 Agent 心跳循环
4. 根据系统建议执行实际行动后，调用 mark-satisfied.sh 更新状态
5. 通过 gate-resolve.sh 提交执行证据，完成执行门控闭环

三层部署架构：

• Motivation 层（Tier 1-2）：纯建议引擎，读写 WORKSPACE 内文件，零系统调用
• Continuity 层（Tier 3）：通过 cron 守护进程持久化状态，只读调用 pgrep/df
• Resilience 层（Tier 4-5）：Watchdog 进程监控，可选启用进程终止与孤儿文件清理

显著优点

1. 解决 LLM 执行瘫痪的核心痛点
独创的"执行门控"（Execution Gate）机制强制要求 Agent 提供环境证据（文件创建/修改记录）才能关闭待办事项，从结构上杜绝"描述行动代替执行行动"的幻觉问题。

2. 自平衡的动态优先级算法
Turing-exp 张力公式在稳态时实现需求轮转（平等对待 expression 与 security），危机时自动切换层级优先（security 权重放大），既避免单一需求垄断，又确保关键需求及时响应。

3. 零依赖的轻量化实现
纯 Shell 脚本实现，仅依赖 bash/jq/bc/grep 等系统标准工具，无网络调用、无外部包管理依赖，部署成本极低。

4. 完整的安全分层设计

• 默认关闭所有危险操作（kill/cleanup/external-model）
• 进程管理严格路径锚定于自身脚本目录
• 审计日志自动脱敏敏感信息
• 提供 Tier 1-5 渐进式部署指南

5. 丰富的扩展机制
支持跨需求影响矩阵、自发性三层扰动（Surplus/Noise/Context）、审议协议（Deliberation Protocol）等高级特性，可深度定制 Agent 行为模式。

潜在缺点与局限性

1. 学习曲线陡峭
系统概念密集（张力公式、执行门控、审议协议、连续性层等），需要用户理解心理学动机模型与工程实现的映射关系，首次配置耗时较长。

2. 依赖 WORKSPACE 隔离
所有文件操作集中在单一目录，若配置不当指向敏感路径，可能导致信息泄露。系统虽使用 find -P 和 realpath 防护，但仍需用户主动遵守隔离原则。

3. 可选功能的安全权衡
Tier 5 的 allow_kill 和 external-model 扫描虽默认关闭，但一旦误启，前者可能误杀进程（尽管路径锚定大幅降低风险），后者引入网络攻击面。

4. Shell 脚本的维护性
65% Shell 代码占比，复杂逻辑（如审议协议的六阶段流水线）用 bash 实现可读性较差，二次开发门槛高于 Python/Node 方案。

5. 无内置可视化
状态查看依赖命令行工具（show-status.sh、gate-status.sh），缺乏 Web 仪表盘或实时图表。

适合的目标群体

• AI Agent 开发者：需要为自研 Agent 赋予"自主决策能力"的工程师
• LLM 应用架构师：受困于 LLM"只规划不执行"问题的系统设计师
• 数字生命/虚拟人格研究者：希望模拟人类心理动力学机制的实验者
• 高阶自动化爱好者：愿意投入时间调参、追求 Agent 长期自主运行的极客
• 教育科研场景：需要可解释、可干预的 Agent 行为决策系统的研究人员

不适合：追求开箱即用、不愿阅读长篇文档的普通用户；仅需简单定时任务调度的场景。

使用风险

性能风险：高频心跳（如 5 分钟间隔）配合 Continuity 层 cron 会产生持续磁盘 I/O，在资源受限环境可能影响响应延迟。

依赖项风险：虽声明零依赖，但 jq 在某些精简容器镜像中可能缺失，需预装。

状态膨胀风险：长期运行的 audit.log 和 followups.jsonl 若未配置轮转，可能占满磁盘（watchdog 提供孤儿 .tmp 清理，但不包括日志轮转）。

配置漂移风险：needs-config.json 的调参直接影响 Agent 行为模式，不当修改（如将 security 衰减设为 1 小时）可能导致 Agent 陷入持续焦虑状态。

升级兼容性风险：版本迭代较快（v1.34.4），重大版本（如 v1.27 执行门控、v1.31 审议协议）引入破坏性变更，需仔细阅读 CHANGELOG 后升级。