Turing Pyramid

🔺 AI代理的动机引擎与执行门控

为AI代理提供本地状态化行动优先级系统,基于10种心理需求张力评分,包含执行门控、连续性守护与可选看门狗机制,需隔离WORKSPACE部署

收藏
5.4k
安装
2.5k
版本
1.34.1
CLS 安全性认证2026-08-09
点击查看完整报告 >

使用说明

核心用法

Turing Pyramid 是一个为AI代理设计的动机系统,通过模拟10种心理需求(安全、连接、表达等)的张力衰减与积累,驱动代理自主决策行动优先级。系统运行于本地隔离环境,无需网络调用(默认配置)。

工作流程:需求随时间衰减产生张力 → 执行门控注册待办行动 → 代理执行并提交证据 → 标记满足度更新状态 → 进入下一循环。执行门控(v1.27.0)是核心创新,通过要求"环境证据"(文件创建/修改记录或显式脚本调用)防止代理"描述行动而非执行行动"的幻觉问题。

三层架构

  • 动机层run-cycle.sh等):纯建议引擎,读写WORKSPACE内状态文件,无系统副作用
  • 连续性层mindstate-daemon.sh等):可选cron守护,只读系统检查(pgrepdf),写入MINDSTATE.md
  • 弹性层mindstate-watchdog.sh):默认识别+日志,可选终止挂起进程(仅限本技能脚本路径)

部署五级:从纯交互式(Tier 1)到完整自愈(Tier 5),建议从Tier 1-2开始,逐步验证后升级。

显著优点

1. 结构性防幻觉:执行门强制区分"推理"与"执行",要求可验证的状态变更证据
2. 精细动机模型:Turing-exp张力公式在稳态时平等轮换需求,危机时按重要性层级优先,避免单一需求垄断

3. deliberation协议(v1.31.0):为反思性行动提供结构化思维管道,产出结论与路由决策

4. 多层自发性:Surplus/Noise/Context三层机制创造有机行为节律,避免机械可预测性

5. 弹性设计:原子写入、信号捕获、孤儿清理、看门狗自动冻结,专为长期运行中的崩溃恢复设计

6. 审计与隐私:自动PII脱敏(token/邮箱/信用卡等),完整操作日志

潜在缺点与局限

1. 非无状态:必须维护needs-state.jsonaudit.log等运行时文件,不适合纯函数式部署
2. WORKSPACE隔离风险:若指向含敏感文件的目录,扫描器可能暴露内容;需严格隔离

3. 执行门证据可伪造file_created/modified证据类型依赖WORKSPACE写权限,恶意代理可伪造文件;高敏感场景需限制为mark_satisfied类型或增加人工审核

4. cron持久化风险:连续性层需要cron,不当配置(root运行、错误WORKSPACE)可能扩大攻击面

5. self-report信任度低:低信任证据类型被单独追踪,过度依赖会稀释执行门效果

6. 外部动作建议:8项预置动作建议涉及网络搜索/社交发布,虽脚本不直接执行,但若代理运行时自动执行建议可能产生意外副作用

适合人群

  • 长期自主运行的AI代理:需要跨会话状态持久化和动机连续性
  • 研究型/创意型代理:deliberation协议和自发性系统支持深度思考与创造性输出
  • 对幻觉问题敏感的场景:执行门提供结构性约束,适合需要可验证行动链的审计场景
  • 能接受本地状态管理的部署者:愿意维护隔离WORKSPACE、配置cron、定期审查看门狗日志

不适合:追求完全无状态、无文件系统依赖的极简部署;或无法保证WORKSPACE隔离的多租户环境。

常规风险

| 风险场景 | 缓解措施 |
|---------|---------|
| WORKSPACE指向敏感目录 | 强制使用独立目录,验证`realpath`隔离 |
| 代理伪造执行证据 | 启用`mark_satisfied`唯一证据类型,或 steward 审核 |
| 看门狗误杀进程 | 路径锚定匹配(`grep -F "$SCRIPT_DIR/mindstate-"`),默认关闭`allow_kill` |
| 外部模型API泄露 | `external-model`默认关闭,启用需显式记录凭证来源与审批路径 |
| 孤儿`.tmp`文件堆积 | 守护进程自动清理10分钟以上孤儿文件,看门狗可选`allow_cleanup` |
| 夜间衰减干扰 | day/night模式可配置,默认夜间衰减减半 |

关键安全假设:代理(TURING_CALLER)与技能运行在同一信任域,技能本身不提供沙箱隔离;看门狗的kill/cleanup能力在显式启用前保持禁用状态。

安全解读

核心用法

Turing Pyramid 为 AI Agent 构建了一套完整的本地动机系统。核心工作流围绕 「张力计算 → 行动选择 → 执行验证 → 状态更新」 的闭环展开:

1. 初始化:运行 init.sh 创建需求状态文件,配置 needs-config.json 调整 10 个需求维度(安全、完整性、连贯性、闭合感、自主性、连接、能力、理解、认可、表达)的重要性权重与衰减速率
2. 周期运行run-cycle.sh 按 Turing-exp 公式计算各需求张力,结合满意度概率选择 1-3 个行动建议

3. 执行追踪:行动通过「执行门」注册为 PENDING 状态,Agent 必须提供环境证据(文件创建/修改记录或显式脚本调用)后方可标记完成

4. 状态持久化:可选的 Continuity 层通过 mindstate-daemon.sh 每 5 分钟更新 MINDSTATE.md,实现跨会话认知连续性

部署层级:从纯交互式(Tier 1)到完整自愈(Tier 5),用户可按信任程度逐步启用 cron 守护进程与 Watchdog 监控。

显著优点

  • 零攻击面设计:无外部依赖、无网络调用、无硬编码密钥,仅使用系统标准工具(bash/jq/bc/grep 等)
  • 分层安全架构:Motivation 层纯建议引擎无副作用;Continuity 层只读系统检查(pgrep/df);Resilience 层 Watchdog 默认仅检测不执行破坏性操作
  • 智能张力算法:Turing-exp 公式在平稳期实现平等轮换,危机期按重要性层级响应,避免单一需求垄断
  • 执行门防幻觉:结构性强制要求环境证据,阻断「描述行动」与「执行行动」的 LLM 混淆
  • 完整审计追踪:所有状态变更记录至 audit.log,自动脱敏处理敏感信息

潜在局限

  • 配置复杂度:10 维需求参数、5 层部署模式、多配置文件需投入学习成本
  • 本地状态依赖:非无状态设计,需妥善管理 WORKSPACE 隔离,避免指向敏感目录
  • 可选功能风险:Watchdog 的 allow_kill/allow_cleanupexternal-model 扫描需显式启用,误配置可能导致进程终止或 API 调用
  • Bash 性能边界:高频心跳(<30分钟)大规模 Agent 部署时脚本开销累积

适合群体

  • AI Agent 开发者:需为自主 Agent 构建可解释、可调试的动机系统
  • 研究者/实验者:探索 AI 长期行为一致性、需求建模与认知架构
  • 安全敏感场景:要求完全离线、零外部依赖的本地化 Agent 部署
  • 复杂任务 Agent:需要跨会话状态持久化与执行追踪的长期运行 Agent

常规风险

  • WORKSPACE 配置风险:若指向含凭证或 PII 的目录,扫描器可能暴露敏感内容;严格隔离是必要前提
  • Cron 持久化风险:Tier 3+ 的守护进程需非 root 用户运行,部署前需 --dry-run 验证
  • 进程管理边界:Watchdog 虽路径锚定自我保护,但启用 allow_kill 后仍需谨慎审查脚本
  • 证据伪造可能file_created/file_modified 证据类型依赖 Agent 自律,恶意/故障 Agent 可伪造文件证据
  • 日志膨胀:长期运行需关注 audit.logwatchdog.log 的轮转策略

Turing Pyramid 内容

assets文件夹
docs文件夹
presets文件夹
default文件夹
personal-assistant文件夹
references文件夹
scripts文件夹
tests文件夹
fixtures文件夹
integration文件夹
regression文件夹
unit文件夹
手动下载zip · 244.5 kB
CLAUDE.mdtext/markdown
请选择文件