MindCore

核心机制

MindCore 是一套完整的仿生潜意识引擎，通过 5 层神经传导架构模拟人类情绪与自发思维的产生过程。与常规的情感计算方案不同，它采用纯概率驱动的生物学模拟方法，而非基于 LLM 的情感生成。

L0-L4 架构解析：

• L0 噪声层：3000 节点混合粉噪（1/f 长程相关）、Ornstein-Uhlenbeck 生理基线、Hawkes 情绪链式反应与马尔可夫注意漂移，构成潜意识"背景噪音"
• L1 感知层：150 个传感器模拟躯体状态（饥饿/疲劳/生物节律）、环境（时间/天气/噪音）与社会情境（互动/被忽视感）
• L2 冲动层：通过突触矩阵将传感器映射至 150 类日常冲动，经 Sigmoid 概率调制+情绪基线修正后随机触发
• L3 人格门：可学习的个性权重 + 短期记忆主题增强，决定哪些冲动"浮出水面"
• L4 决策输出：标准化 JSON 信号，供外部 Agent 框架消费

显著优势

1. 完全离线运行：纯 Python 实现，本地 CPU 即可运行，无需 API 调用或网络依赖
2. 生物学合理性：融合多种随机过程（粉噪、Hawkes 过程、OU 过程），而非简单随机数
3. 可观测的内在状态：传感器值、情绪基线、记忆缓冲区均可实时读取，便于调试
4. 低耦合设计：输出标准 JSON，与 OpenClaw 等框架的集成仅需信号注入
5. 可调活性：单一参数 BURST_BASE_OFFSET 即可控制整体"话痨程度"

局限与风险

| 维度 | 说明 |

|------|------|

| **非认知级情感** | 模拟的是"冲动/欲望"层面，非复杂情绪理解或共情能力 |

| **调参复杂度** | 150×150 突触矩阵、5 类噪声参数、人格权重——未经充分调优易表现异常 |

| **验证困难** | "潜意识"缺乏 ground truth，效果评估依赖主观体验 |

| **AGPL 许可** | 开源版本传染性较强，商业使用需联系作者获取授权 |

| **资源占用** | 3000 噪声节点持续运行，低端设备可能存在性能压力 |

适合人群

• AI Agent 开发者：希望为角色添加"自发行为"而非纯响应式交互
• 游戏/NPC 设计者：需要可信的自主决策，而非脚本化事件触发
• 认知科学/AI 研究者：探索潜意识建模的工程实现路径
• 隐私敏感场景：必须在完全离线环境下运行的情感计算需求

使用建议

建议从默认参数起步，通过观察 data/ 目录下的运行时日志理解传感器-冲动映射关系，再逐步微调人格权重。短期记忆 FIFO 的 2 小时衰减设定适合多数对话场景，但高频交互场景可能需要缩短。

MindCore 技能概述

MindCore 是一款创新性的仿生情感心智引擎，专为 AI Agent 设计，旨在赋予其类人的潜意识活动与情感自主表达能力。该技能采用完全本地化的纯 Python 实现，无需依赖任何大语言模型（LLM），可在 CPU 上独立运行，通过精密的随机过程数学模型模拟人类神经系统的冲动产生机制。

核心用法

该技能以守护进程（daemon）形式运行，每秒执行一次"掷骰子"操作，模拟潜意识层面的思维涌现。其核心架构由5层神经传导管道构成：L0噪声生成层（3000节点，包含粉噪声、Ornstein-Uhlenbeck过程、Hawkes过程及马尔可夫链）、L1感知层（150个生物/环境/社交传感器）、L2冲动涌现层（150个冲动节点，含Sigmoid概率调制与随机触发）、L3性格门控层（Softmax采样与短期记忆增强），最终输出标准JSON信号。用户可通过调节单一参数BURST_BASE_OFFSET控制整体活跃频率，并支持与OpenClaw等Agent框架无缝集成。

显著优点

技术独创性：首创将神经科学中的粉噪声（1/f噪声）、Hawkes自激过程等理论应用于AI情感建模，实现真正"随机而非定时"的思维涌现。完全离线运行：无需API密钥、不依赖云服务，数据本地处理保障隐私。轻量化部署：仅80MB本地NLP模型，Python 3.8+即可运行。可解释性强：5层架构对应认知科学理论，每个冲动可追溯至传感器状态与概率计算。生态开放：AGPL-3.0开源协议，提供商业授权选项。

潜在缺点与局限性

集成门槛较高：需与OpenClaw或自研Agent框架配合，非开箱即用。硬编码配置风险：默认配置含开发者Telegram Chat ID，部署前必须修改。主动推送机制：引擎会自发产生消息输出，需理解其夜间静默机制（00:00-09:00自动暂停）。资源占用：持续后台运行需CPU资源，长期运行需关注磁盘日志增长。数学模型局限：当前仅模拟9类基础冲动（饮食/社交/娱乐等），复杂情感状态（如嫉妒、怀旧）尚未覆盖。

适合的目标群体

AI Agent开发者：需要为虚拟角色、数字伴侣、游戏NPC添加情感自主性的技术团队。人机交互研究者：探索"被动AI"向"主动AI"演进的研究机构。创意产业从业者：虚拟主播、角色扮演应用、互动叙事内容创作者。隐私敏感用户：拒绝云端情感计算、追求完全本地化的AI陪伴方案。认知科学爱好者：希望验证神经动力学模型在AI中应用效果的跨学科研究者。

使用风险与注意事项

配置安全风险：部署前必须修改ecosystem.config.js中的OPENCLAW_TARGET配置，否则消息可能误发至开发者账户。文件系统风险：技能频繁读写data/和output/目录，需确保运行目录权限适当，避免部署于共享敏感目录。动态配置风险：支持通过output/config_cmd.json运行时修改引擎参数，甚至直接修改源码文件engine/config.py，需防范不可信进程写入。依赖供应链：虽核心引擎独立，但集成OpenClaw时需关注其CLI工具的安全更新。行为预期管理：该技能会主动发起对话，用户需理解其"冲动-抑制"机制，避免误判为系统故障或外部入侵。