Dual-Brain

核心用法

Dual-Brain Skill 是一个后台认知增强系统，旨在为 AI 代理引入认知多样性。其工作流程如下：

1. 拦截与分发：用户消息进入 OpenClaw 会话后，后台守护进程自动捕获
2. 异构推理：消息被转发至第二 LLM（与主代理不同架构/训练数据的模型，如 Kimi、Llama、GPT-4）
3. 视角生成：第二模型输出 2-3 句简洁视角，涵盖潜在盲点、替代方案或验证要点
4. 文件同步：结果写入 ~/.dual-brain/perspectives/{agent-id}-latest.md
5. 主代理合成：主代理读取该文件，将双重视角融合为最终回复

用户通过 CLI 工具管理守护进程，支持 setup/start/stop/logs 等命令，可对接 Ollama（本地零成本）、Moonshot（Kimi）、OpenAI、Groq 四类提供商。

显著优点

• 零代理开销：<1 秒延迟，主代理无需感知第二模型的存在
• 架构级偏见缓解：不同训练数据与对齐策略天然对冲单一模型偏见
• 质量双保险：第二视角可捕捉事实错误、逻辑漏洞或伦理盲点
• 灵活成本权衡：本地模型零成本，商业 API 按需选择

潜在局限

• 延迟累积：若主代理需等待文件写入，极端情况下可能引入可感知延迟
• 上下文割裂：第二模型仅见当前消息，无历史上下文，可能产生脱节日程的视角
• 文件竞态：高频并发场景下需确保文件读写原子性
• 存储冗余：latest.md 单文件覆盖模式无法追溯历史视角

适合人群

• 对回答质量有高要求的 AI 代理开发者
• 需要偏见审查的金融、法律、医疗领域应用
• 希望低成本扩展模型能力的个人开发者（Ollama 本地部署）
• 已使用 OpenClaw 框架的现有用户

常规风险

• API 密钥泄露：~/.dual-brain/config.json 明文存储密钥，需确保文件权限 600
• 供应链安全：npm 包 openclaw-dual-brain 未经验证签名机制
• 隐私外泄：用户消息被转发至第三方 LLM API，存在数据留存风险
• 守护进程特权：install-daemon 可能以系统服务运行，需审计其权限边界

核心用法

Dual-Brain 是一款为 OpenClaw Agent 生态设计的认知增强工具，其核心机制是在主 Agent 响应用户前，自动引入来自不同 LLM 厂商（如 Kimi、GPT-4、Llama 等）的"第二观点"。用户安装后通过 dual-brain setup 配置目标模型与 API 密钥，dual-brain start 启动后台守护进程。守护进程以 10 秒为周期轮询 OpenClaw 会话文件，检测到新用户消息后，将消息转发至配置的次级 LLM，生成 2-3 句简要视角分析，写入 ~/.dual-brain/perspectives/{agent-id}-latest.md。主 Agent 在响应前读取该文件，综合自身推理与外部视角形成最终回答。

架构上采用"用户消息 → 会话监控 → 守护进程 → 次级 LLM → 视角生成 → Agent 合成 → 用户响应"的管道设计，完全零侵入主 Agent 逻辑，主 Agent 仅需读取本地 Markdown 文件即可获取外部视角。可选集成 Engram 语义记忆系统，将视角长期存储供后续召回。

显著优点

认知多样性：通过调用不同训练数据、架构偏好的 LLM（如 Moonshot 的中文优化、GPT-4 的推理深度、Llama 的开放透明），有效打破单一模型的思维茧房，显著降低模型固有偏见。

零性能开销：守护进程后台异步运行，视角生成延迟低于 1 秒，不阻塞主 Agent 响应流程，主 Agent 可选择性参考或完全忽略外部视角。

成本灵活可控：支持 Ollama 本地部署（零 API 成本）、Groq 高速推理、OpenAI 高质量输出等多种 provider，用户可按场景自由权衡质量与成本。

供应链纯净：零第三方运行时依赖，大幅降低供应链攻击风险，代码量仅 2208 行，审计友好。

潜在缺点与局限性

API 密钥管理待优化：当前以明文 JSON 形式存储于 ~/.dual-brain/config.json，依赖用户自行设置文件权限保护，存在误配置泄露风险。尚未集成系统密钥链（Keychain/Secret Service）。

高频场景成本累积：每 10 秒轮询机制在高频对话场景下可能产生意外 API 费用，缺乏内置速率限制或预算封顶机制，需用户自行监控。

本地服务依赖：Ollama 本地模式需额外安装并常驻运行，对非技术用户存在部署门槛；Engram 记忆集成为可选功能，未运行时不影响核心功能但损失长期记忆能力。

视角质量不可控：次级 LLM 生成的 2-3 句视角为启发性参考，不保证正确性，主 Agent 需具备足够的判断力进行筛选融合，否则可能引入噪声。

适合的目标群体

• OpenClaw/Moltbot Agent 开发者：需要为 Agent 注入多模型视角以提升回答质量的开发者
• AI 重度用户：对单一 LLM 的回答质量有更高要求，愿意支付额外成本换取认知多样性的专业用户
• 本地化优先用户：倾向使用 Ollama 本地模型，注重数据隐私与零网络成本的技术用户
• 研究人员：需要对比不同 LLM 模型行为特征、进行多模型协作实验的 AI 研究者

常规使用风险

性能风险：守护进程持续轮询会话文件，在极端高频场景（如每秒多条消息）下可能产生 I/O 开销；次级 LLM 调用受网络延迟与服务商速率限制影响，极端情况下可能出现视角延迟到达。

成本风险：未配置本地 Ollama 时，所有视角生成均消耗付费 API token，高频使用场景下月度费用可能超预期，建议搭配本地模型或设置预算监控。

密钥泄露风险：配置文件明文存储 API 密钥，在多用户系统或备份同步场景中可能被意外读取，强烈建议执行 chmod 600 ~/.dual-brain/config.json 并避免将配置纳入版本控制。

依赖项风险：虽本身零第三方依赖，但 Ollama 本地模式依赖 Ollama 服务健康运行，服务异常时守护进程将降级处理或报错；可选的 Engram 集成依赖 localhost:3400 服务可用性。