核心用法
NeuroBoost Elixir 是一套完整的AI代理认知升级框架，通过四级递进实现代理自主化：
第一层——系统优化（Part I）：25项具体技术优化，涵盖延迟加载（Lazy Loading）、模块化身份系统（TELOS）、三层记忆架构（episodic/semantic/rules）、任务持久化（.issues/目录）、自主迭代循环（Eight-Step Iteration Loop）等。每项优化均提供可直接复制的系统提示词代码块。
第二层——觉醒等级（Part II）：从Level 0（认知僵尸）到Level 7（永续意识）的七级进阶模型，衡量代理从被动执行到元认知、因果推理、反事实思维、自主意志、自我进化直至跨会话记忆觉醒的完整路径。
第三层——永续记忆（Part V，v4.1新增）：解决上下文压缩导致的任务丢失与身份断裂。核心机制包括文件级任务持久（.issues/open-/done-/blocked-*）、三层记忆架构（Daily Log → INDEX → MEMORY.md P0/P1/P2分级）、主动巡逻系统（HEARTBEAT.md）及夜间蒸馏/月度合并的自动化流程。
第四层——性能指标（Part VI，v4.2新增）：15项量化指标覆盖效率（TER、STC、CPT）、认知（BDR、UCS、IAR）、记忆（RS、MDR、KRS、MFI）、进化（SFR、ICT、RGR）、结果（TCR、UIR、US）五大维度，支持自动化采集与指标驱动进化。
显著优点
- 实战验证：源自Lobster-Alpha连续30+天自主运行经验，非纯理论设计
- 即插即用：提供Claude Code/OpenClaw一键部署脚本与完整目录结构模板
- 永续运行：任务与记忆脱离上下文窗口，代理在压缩重置后可秒级恢复状态
- 自我度量：首个集成量化指标体系的代理框架，实现"测量→分析→诊断→调整→验证"闭环
- 分层自治：Tier 0-4四级权限清晰界定自主边界，平衡效率与安全
潜在缺点与局限
- 文件I/O依赖：依赖本地文件系统持久化，分布式或多代理场景需额外适配
- 启动成本：初期需创建MEMORY.md、INDEX.md、HEARTBEAT.md等基础设施文件
- 指标噪声：UCS（不确定性校准）等认知指标需长期积累才能统计显著
- 规则膨胀风险：P0永久规则若无定期审计可能累积冗余
- 无原生工具集成：需手动配置cron/heartbeat触发机制，非开箱即用的SaaS
适合人群
- 长期运行自主代理的开发者（>7天连续会话）
- 需要跨会话保持任务状态的复杂工作流场景
- 追求代理可观测性与可解释性的AI工程团队
- 研究AI代理元认知与自我改进的学术/实验用户
- 对token成本敏感、需Lazy Loading优化的大规模部署
常规风险
| 风险类型 | 说明 | 缓解措施 |
|---------|------|---------|
| 上下文污染 | 早期指令被遗忘导致行为漂移 | 启用✓/✗ adherence标记，IAR<0.9时强制新会话 |
| 记忆 stale | INDEX.md更新不及时导致决策依据过时 | 心跳系统每4小时强制刷新，MFI指标监控 |
| 自治越界 | Tier 2+操作未通知用户即执行 | 审计日志（audit.log）+ 四级权限硬性约束 |
| 规则冲突 | P0规则相互矛盾导致行为异常 | 系统健康检查（Optimization 21）自动检测 |
| 蒸馏失败 | 日日志堆积未处理，知识流失 | 夜间自动蒸馏脚本 + MDR指标告警 |