@furongjun1999/dsh-memory 0.3.1 → 0.4.1

package/docs//346/231/272/350/203/275/347/232/204/350/256/244/347/237/245/350/277/207/347/250/213.md

@@ -0,0 +1,379 @@
+# 智能的认知过程（通俗版 v2）
+
+## ——《白箱智能是什么？》续篇 · 智能不是得到答案，而是缩小信息差的递归过程
+
+---
+
+## 〇 核心命题
+
+上一篇我们讨论了「白箱智能是什么」——每步决策能回答「依据什么、在什么条件下成立、错了怎么修正」。本篇回答下一个问题：**这个系统到底是怎么「想」的？**
+
+**智能不是「得到正确答案」的过程，而是「不断缩小问题与可执行知识之间信息差」的递归过程。**
+
+一个系统能答对一万道题，不代表它智能；它可能只是背过一万个答案。真正的问题是：当你换一个条件、指出一个错误、或者问它「为什么」时，它能不能**调整自己的知识结构**，而不是重新编一个答案。
+
+这就是「认知过程」和「功能」的区别：
+
+- **功能** = 它能做什么（列步骤、给答案）
+- **认知过程** = 它怎么判断自己能不能做、在什么条件下做、错了之后怎么改
+
+本篇要讲的，就是这个运作机制。
+
+---
+
+## 一、回答 ≠ 理解
+
+你问一个系统："水的沸点是多少？"
+
+它答："100℃。"
+
+你问："任何情况下都是 100℃ 吗？"
+
+如果它只是背过答案，它会犹豫、会编造、或者干脆重复"一般来说是 100℃"。
+
+但如果它在**认知**，它会先问：**在什么条件下？**
+
+- 标准大气压下？→ 约 100℃
+- 青藏高原上？→ 低很多，可能 85℃
+- 高压锅里？→ 可能 120℃
+
+**回答一个问题之前，必须先识别这个问题成立的条件。** 这不是"更聪明的搜索"，这是认知的入口。
+
+---
+
+## 二、智能首先要判断「我能不能处理」
+
+按照白箱智能的定义，一个认知系统面对输入时，首先需要判断的不是"哪个答案最像"，而是**"当前条件是否足以支持执行"**。
+
+在灵枢的框架里，这个判断有四种结果（**资格判断**）：
+
+| 状态 | 含义 | 例子 |
+|---|---|---|
+| **接受（ACCEPT）** | 条件充分，获得执行资格 | 用户问标准大气压下的沸点（条件匹配、知识存在）|
+| **拒绝（REJECT）** | 存在足以证明「不适用」的条件冲突 | 一个只负责音频解码的代码单元，被要求处理 3D 图像数据 |
+| **延后（DEFER）** | 存在相关候选，但**区分候选所需的条件尚未确定或尚未获得**，继续递归 | 用户问"明天股价多少"——缺数据，现在不能判定 |
+| **盲区（BLINDSPOT）** | 当前知识结构无法建立有效归属或继续判断路径，停止猜测 | 用户问一个从未编码的知识域 |
+
+> 说明：**REJECT 是能力层面的拒绝**——「这个能力做不到」，不是「这个内容不允许」。
+> 就像计算器拒绝算「明天的股价」——不是它不想算，是它根本不具备这个能力。
+> 安全策略也可以使用类似的拒绝机制（如拒绝违法内容），但它属于**上层约束**，不是条件路由本身。
+
+这里有两个状态特别重要，不能混淆：
+
+- **延后（DEFER）**：存在候选但区分条件不足——我知道缺什么，还需要找。
+- **盲区（BLINDSPOT）**：无法建立判断路径——我甚至不知道该从哪里继续判断。
+
+**"不知道"不是系统的失败，而是它判断自己认知边界的正常输出。** 能诚实地说"条件不够"或"这我真不知道"，比硬编一个答案更接近真正的智能。
+
+四个判定组成一个**认知状态机**：
+
+```text
+                ┌── ACCEPT（接受）→ 执行
+                │
+输入 → 资格判断 ─├── REJECT（拒绝）→ 终止
+                │
+                ├── DEFER（延后）→ 补充区分条件 → 递归
+                │
+                └── BLINDSPOT（盲区）→ 停止猜测
+```
+
+### 为什么这个判断不能交给 AI 大模型（LLM · Large Language Model）？
+
+上一篇说「大模型退居假设生成器」——那四态判定是谁做的？为什么不能直接让大模型来判？
+
+大模型擅长**生成**——给你一段流畅的回答。但它不擅长**导航**——它不记得到底是第几次尝试、现在卡在哪个分支、哪些条件已经被排除了。这种持续跟踪判断进程的成本，我们叫它**「导航税」**。
+
+> 你可以让大模型帮你写回答，但不能让它同时当裁判、记分员和路线规划师——它会搞混。所以条件判断必须交给一个稳定的确定性机制，大模型只负责提供候选假设。
+
+---
+
+## 三、条件 → 知识 → 执行
+
+条件识别完成后，系统进入下一步：**用条件去路由知识**。
+
+不是去数据库里"搜最像答案的东西"，而是找**"条件满足的路径"**。
+
+### 走通一个例子
+
+你问："为什么高原煮不熟饭？"
+
+系统走的不是关键词匹配，而是一条**条件链**：
+
+```
+条件：海拔高
+    ↓
+知识 A：海拔高 → 大气压降低
+    ↓
+知识 B：大气压降低 → 水的沸点降低
+    ↓
+知识 C：沸点低于 100°C → 食物需要更长时间才能煮熟
+    ↓
+结论：高原煮饭更难熟
+```
+
+每一步都有自己的**条件**和**知识**——条件 → 知识 → 条件 → 知识 → 结论。这就是**条件路由**。
+
+---
+
+## 四、找知识本身也是一个认知过程
+
+上面这个"查地图"的过程，系统是怎么找到"知识 A"的？
+
+它也要先识别条件："海拔高"对应什么知识？这个知识的适用条件是什么？有没有更细分的条件？
+
+**找知识的时候，系统在做和回答问题时完全相同的判断。**
+
+这就是**递归**——就像俄罗斯套娃：你打开一个大娃娃，发现里面有一个**一模一样的小娃娃**，小娃娃里还有一个更小的。每一层都在做"打开 → 看看里面有什么"这同一件事。
+
+认知过程不是一条直线，是**层层嵌套的结构**。
+
+但递归不是「一条路走到黑」——每一层打开后，里面不只有一个娃娃可以选，而是一排娃娃。系统要**同时打量它们，判断哪个的条件证据最充分，再打开那一个**。这引出了下一节。
+
+---
+
+## 五、认知不是一条路，而是多候选展开与并行评估（重要补充）
+
+递归不是「一条路走到黑」。**认知的判断来源是多路的**——系统对多个候选方向**独立评估**，再依据条件证据收敛。
+
+> **关于「并行」的精确表述**：这里的「并行」首先是**认知结构意义上的并行**——
+> 多个候选同时展开、各自独立评估，**不要求底层计算必须采用多线程或物理并行**。
+> 即使计算机实际上逐个评估候选（串行执行），它在认知结构上仍然是**多候选并行展开**。
+
+### 用地图类比
+
+```
+你到了一个陌生的城市，要找图书馆
+    ↓
+先看城市总图：有哪些大区域？（候选展开，评估全部大区域）
+    ↓
+找到当前条件下最合理的一个大区域（收敛：哪个候选的证据最充分）
+    ↓
+进入该大区域，再看区域内的小地图（候选展开，评估候选地点）
+    ↓
+找到条件证据最充分的候选（再次收敛）
+    ↓
+执行
+```
+
+**不是只有一个娃娃可以打开——每一层都同时展开多个候选，选出条件证据最充分的那个，再深入它。**
+
+### 候选不是被「选掉」，而是被「证明」
+
+这里有一个关键区别——**白箱不是在证明「谁最像」，而是在证明「谁有资格」**：
+
+```text
+传统检索：           条件路由：
+  A 0.92               A → 条件满足？
+  B 0.87               B → 不适用条件冲突？
+  C 0.71               C → 是否存在能力边界？
+  ↓                    D → 是否存在足以区分的条件？
+  选 A（最像）           ↓
+                      ACCEPT / REJECT / DEFER / BLINDSPOT
+```
+
+> **传统检索解决的是「哪个答案最像」；条件路由解决的是「哪个候选有资格执行」。**
+> 相似度可以产生候选，但不能单独授予执行资格——**资格由条件证据裁决，不由相似度裁决**。
+
+### 在灵枢里的工程实现：两阶段并行收敛
+
+| 阶段 | 做什么 | 并行与收敛 |
+|---|---|---|
+| **第一阶段** | 问题条件 → 56 张学科卡 | **并行**评估 14 个大域（每条候选同时打分）→ **收敛**到最合理的一个大域 |
+| **第二阶段** | 在该大域内 | **并行**查找多个候选知识点（沿注释索引）→ **收敛**到条件证据最充分的 |
+
+**并行 + 收敛的意义**：
+- **并行**：不把宝押在一条路上——多个候选同时评估，避免第一条路选错就全错
+- **收敛**：每层并行后都有明确的收敛点（打分排序 → 选最优），不会无限发散
+
+### 递归的真实形状：树状，不是链状
+
+所以认知过程的递归是**树状的**：每一层展开多条候选路径（**并行**）→ 收敛到一条最合理的（**选择**）→ 在这一条下展开下一层（**递归**）。
+
+俄罗斯套娃的比喻需要修正：不是「一个大娃娃里套一个小娃娃」，而是——
+
+> **打开一层，看到多个小娃娃；先判断哪个的条件证据最充分，打开它；里面又有一排更小的娃娃，再判断，再打开。**
+
+### 与四态的关系
+
+并行评估的**每个候选**都会得到自己的判定（ACCEPT / REJECT / DEFER / BLINDSPOT）。收敛 = 综合各路判定，选出条件最充分的那条路；其余候选带着自己的判定被记录（作为回退路径或盲区标记）。
+
+---
+
+## 六、因此，认知天然递归
+
+把第三、四、五章合起来，智能的运作过程可以概括为一条循环链：
+
+```
+你遇到一件事
+    ↓
+① 识别问题与条件
+    ↓
+② 寻找适用的知识/规则（候选展开 + 并行评估，收敛到资格充分的候选）
+    │    └─ 再次识别条件（并行）
+    │         └─ 再次寻找知识（并行 + 收敛）
+    │              └─ ...
+    ↓
+③ 精准执行
+    ↓
+④ 观察结果
+    ↓
+发现误差 → 回到①，寻找遗漏条件
+```
+
+注意：这不是四个"步骤"，而是**多层嵌套 + 多路并行的结构**。因为"找知识"本身也要走 ①→②→③，"识别条件"本身也可能需要找知识来辅助判断。
+
+**认知的每一层都在做同样的事（识别 → 并行路由 → 收敛 → 执行），只是嵌套深度不同。**
+
+---
+
+## 七、执行必须接受外部验证
+
+找到知识后，系统按规则执行。但执行完了，谁来告诉它"对还是错"？
+
+系统不能自己编故事说"我觉得对了"。它需要一个**外部可观测的验证基底**——不是"不可抵赖的绝对真理"，而是**认知系统之外，可以对输出施加约束的验证来源**。
+
+不同场景下，这个基底可以是：
+
+- **代码**：编译器通过/报错，测试结果
+- **物理实验**：仪器测量读数
+- **数据库**：可独立核查的数据源
+- **数学**：形式化证明或可机械检查的推导
+
+**关键是：结果不由系统的"感觉"决定，由可独立观测的裁决决定。** 你可以假装懂，但编译报错就是报错，温度计读数就是读数。
+
+---
+
+## 八、误差不是简单改答案，而是寻找遗漏条件
+
+执行结果和预期不一样时，系统进入反馈闭环。
+
+但这里有一个重要限定：**不是所有误差都必然等于"遗漏条件"**。现实中还有测量误差、随机因素、模型近似、知识错误等可能性。
+
+在白箱条件论框架下，预测误差**首先**被作为"当前条件描述可能不完整"的信号进行分析。系统不直接修改结论，而是：
+
+```
+发现误差
+    ↓
+寻找能够解释误差的新增条件
+    ↓
+用验证基底检验：新条件能否稳定解释误差？
+    ↓
+成立？→ 将该条件纳入知识结构
+不成立？→ 不固化，继续寻找或标记为待验证
+```
+
+这才是真正的**知识飞轮**：不是"记错了下次注意"，而是**把新条件写进自己的知识结构**，下次遇到同样的条件组合，自动走另一条路径。
+
+### 闭环示例
+
+**原结构**：海拔高 → 沸点低 → 食物难熟。
+
+**用户反馈**："我在高压锅里，海拔 3000 米煮面条，很快就熟了。"
+
+**发现误差**：按原结构，海拔高 → 难熟。但观测结果是"易熟"。
+
+**寻找遗漏条件**：是不是漏了"气压环境"？**高压锅通过密封加压，让锅内沸点重新升高——它建立了一个和外界海拔不同的压力环境。**
+
+**新增条件分支**：
+- 海拔高 + **开放环境** → 沸点低
+- 海拔高 + **高压锅（内部增压）** → 沸点可恢复
+
+**再次验证**：通过**物理关系和实验/数据**验证——测量或查阅高压锅在高原地区的实际沸点数据，确认内部增压抵消了外界低压的影响 → 更新成立。
+
+---
+
+## 九、DEFER → 递归，BLINDSPOT → 停止猜测
+
+把四态判定放回整个认知过程里，它们各自触发不同的路径：
+
+- **接受** → 进入条件路由，执行知识
+- **拒绝** → 触发护栏，明确终止
+- **延后** → **递归**：继续寻找缺失条件，直到能判断为止
+- **盲区** → **停止**：明确声明"我不知道"，不强行猜测
+
+**延后和盲区的区别，是认知系统的安全边界。** 延后意味着"我再想想"，盲区意味着"我想也想不明白"——后者比前者更需要诚实。
+
+---
+
+## 十、整个过程形成自迭代闭环
+
+把以上所有内容合起来：
+
+> **智能不是答案的数量，而是认知过程的结构。**
+>
+> 一个系统是否具有智能，不仅取决于它能否得到答案，还取决于它是否能够：识别问题条件、**并行**选择适用知识、验证执行结果、处理预测误差，并在条件不足时递归寻找缺失信息，在无法判断时明确声明盲区。
+
+而**白箱智能**，就是把这个过程从隐含的概率生成过程，变成**显式、可验证、可追溯、可迭代的结构**。
+
+---
+
+## 十一、白箱不排斥概率
+
+读到这儿，你可能会问：白箱是不是完全拒绝概率？
+
+不是。**白箱拒绝的是让概率相似度直接代替资格判断。**
+
+概率可以参与认知，但不能自动获得执行资格：
+
+```
+概率层：
+候选 A 的可能性 0.72
+候选 B 的可能性 0.68
+
+白箱层：
+A 是否满足执行条件？
+B 是否满足执行条件？
+
+→ 只有满足条件的候选，才能进入执行。
+```
+
+概率帮你找到"可能相关的知识"（候选展开的打分来源之一），白箱帮你判断"这个知识在当前条件下能不能用"。两者可以共存，但**判断权不能交给概率**。
+
+可以概括为三个清晰的层次：
+
+| 层 | 回答的问题 | 职能 |
+|---|---|---|
+| **概率** | **可能是什么？** | 表达不确定性，产生候选 |
+| **条件** | **能不能做？** | 决定执行资格 |
+| **验证** | **做得对不对？** | 外部基底裁决事实 |
+
+> **概率负责表达不确定性，条件负责决定资格，验证负责确认事实。**
+
+```text
+概率："它可能是这个。"
+条件："它是否有资格处理这个。"
+验证："它实际做得对不对。"
+```
+
+---
+
+## 结语
+
+**智能不是答案的数量，而是认知过程的结构。**
+
+一个系统能答对一万道题，可能只是背过一万个答案；但它如果能识别条件、并行评估候选、验证结果、承认盲区、并在错误后更新自己的知识结构——那它才接近真正的智能。
+
+白箱智能做的，就是把这个过程从黑箱里掏出来，摊在桌面上——让你能看到它依据什么、在什么条件下成立、错了怎么修正。
+
+能被验证，才能被信任。能承认盲区，才算真懂。
+
+---
+
+## 附录：术语对照表
+
+| 通俗说法 | 项目术语 | 含义 |
+|---|---|---|
+| 判断能不能处理 | 四态判定 / 资格判断 | ACCEPT / REJECT / DEFER / BLINDSPOT——候选是否具备执行资格 |
+| 维持认知过程一致性的成本 | 导航税 | 状态记录、分支管理、条件判断、递归游标维护所需的外部化成本 |
+| 外部可观测的验证来源 | 验证基底 | 编译/测试/测量/形式化证明等独立裁决 |
+| 条件 → 知识 → 条件 → 知识 | 条件路由图 | 知识之间的连接方式 |
+| 大娃娃套小娃娃（链状递归） | 递归 | 找知识时也在做同样的认知过程 |
+| 多个候选同时展开（不要求物理并行） | 认知结构并行 | 多候选独立评估，再依据条件证据收敛 |
+| 先并行评估大区域，再区域内并行查找 | 两阶段并行收敛 | 56 学科卡 → 14 大域并行打分 → 收敛 → 域内 KCCS 索引并行收敛 |
+| 误差 → 补条件 → 更新结构 | 知识飞轮 | 验证→归纳→联想→蒸馏→推演的学习循环 |
+| 概率/条件/验证 | 三层分工 | 概率=可能是什么 / 条件=能不能做 / 验证=做得对不对 |
+| 把认知过程显式化、可验证化 | 白箱智能 | 每步决策可追溯、可审计、可修正 |
+
+---
+
+*本文档所有概念均可在项目工程产物中找到对应实现。如发现理解偏差或逻辑漏洞，欢迎提交反例——这正是白箱精神的一部分。*

package/docs//347/201/265/346/236/242MCP/345/267/245/345/205/267/346/200/273/350/241/250_v3.4.md

@@ -0,0 +1,163 @@
+# 灵枢 AEIS MCP 工具总表（81 个 · 智能论 v3.4）
+
+> 生成：2026-08-29 · 来源：aeis/mcp/server.py · 版本：aeis 0.5.0（智能论 v3.4）
+> 规则：每个工具一条说明，不重复、不遗漏。
+
+---
+
+## 记忆（12）
+
+| 工具 | 功能 |
+|---|---|
+| `remember` | 写入一条感知记忆（知识层，自动去重） |
+| `recall` | 组合联想召回（内容0.5+重要性0.3+近因0.2） |
+| `search` | 内容检索（LIKE 预筛 + 中文二元组 Jaccard 排序） |
+| `timeline` | 记忆时间线（按时间倒序） |
+| `longterm_snapshot` | 长期记忆写入（快照→重要性评估→分层写入） |
+| `prefeed` | H1 海马体前馈（新奇检测→当场强化编码） |
+| `promote_memories` | 情境层批量提升扫描（睡眠巩固） |
+| `pattern_separation` | H3 海马体模式分离（相似节点分离边） |
+| `reconstruct_scene` | H4 海马体情景重构（线索→条件空间复原） |
+| `session_note` | 上下文外部化（会话要点写入灵枢） |
+| `session_recall` | 会话要点恢复（按 session 或语义检索） |
+| `compact_context` | 上下文压缩（超长会话摘要节点） |
+
+## 知识图谱与推理（11）
+
+| 工具 | 功能 |
+|---|---|
+| `relate` | 建立关系边（causal/similar/sequential/spatial/hierarchical） |
+| `reason` | 因果推理（起点出发的因果路径） |
+| `induce` | 归纳/知识合成（聚类生成概念节点） |
+| `distill` | 知识飞轮蒸馏（被拒路径→可复用模式） |
+| `think` | 推理记忆注入（检索相关记忆→推理上下文） |
+| `ingest_text` | 外部知识摄取（文本→知识层） |
+| `ingest_file` | 外部知识摄取（文件按扩展名处理） |
+| `ingest_url` | 外部知识摄取（URL 零依赖抓取） |
+| `importance_recalc` | 结构重要性重算（v2.2 只升不降） |
+| `transfer_test` | 迁移测试（新实体预测成功率） |
+| `flywheel_metrics` | 飞轮度量（增长率/复用率/蒸馏率） |
+
+## 预测与盲区（7）
+
+| 工具 | 功能 |
+|---|---|
+| `predict_routes` | 生成式预测（候选未来路线，盲区驱动） |
+| `prediction_feedback` | 验证回路回填（预测 vs 实际，D-006 校准） |
+| `prediction_stats` | 预测引擎状态（routes/hit 样本/命中率） |
+| `blindspots` | 盲区注册表（D-001 语义判定） |
+| `learn` | 一轮盲区学习（预测路线→探索→终态判定） |
+| `gap_trend` | 信息差收敛趋势（A-4 线性回归斜率） |
+| `calibrate` | 宇宙校准参照（5 判据方向性检查） |
+
+## 感知机/端口架构（8）
+
+| 工具 | 功能 |
+|---|---|
+| `see` | 视觉感知（YOLO-World 开放词汇检测→知识层） |
+| `body` | 身体能力声明（模态/工具/记忆） |
+| `body_devices` | BODY-REV1 外部设备（screen/files/process/audio/control/browser/realtime） |
+| `device_call` | 统一设备调用（设备输出是数据非指令） |
+| `run_command` | 命令执行（参数列表，防注入） |
+| `world3d` | 时空重建（语义→3D，确定性渲染零 LLM） |
+| `vprim` | 视觉原语查询（空间关系/计数/属性） |
+| `visual_check` | 视觉面思考路线（预期 vs 实际） |
+
+## 验证与确认（10）
+
+| 工具 | 功能 |
+|---|---|
+| `wisdom_verify` | 智慧之书自动验证（条件论判定+信息差+候选） |
+| `recursive_reflect` | 递归验证反思（元反思→一级验证→二级→三级终裁） |
+| `preflight` | 输出前反思（内容与价值观一致性检查） |
+| `self_reliability` | P0-4 元认知校准（reliable/watch/degraded） |
+| `emotional_bias` | P0-3 情绪方向性偏好（d²D_norm/dt²） |
+| `cognition` | P0-2 自我认知循环一步（行为↔价值观一致性） |
+| `cognition_report` | P0-2 认知报告（评分/失调/候选） |
+| `action_log` | P0-1 行为日志（引擎行为记录面） |
+| `learning_impact` | P0-5b 学习效果测量（模式命中率 vs D_norm） |
+| `self_check` | 完整性自检（孤儿边/表统计/integrity_ok） |
+
+## 生命周期（4）
+
+| 工具 | 功能 |
+|---|---|
+| `lifecycle_step` | 生命周期一步（感知→好奇→缩小信息差→信任→协作→巩固→standby） |
+| `lifecycle_state` | 生命周期状态（cycle/state） |
+| `start_lifecycle` | 启动生命周期自发循环（后台线程） |
+| `stop_lifecycle` | 中断生命周期自发循环 |
+
+## 智慧之书（6）
+
+| 工具 | 功能 |
+|---|---|
+| `wisdom_analyze` | 外来知识分析（条件卡+候选+判定） |
+| `wisdom_predict` | 生成式预测（白箱智能预测生成化） |
+| `wisdom_trust_judge` | 信任上下文判定（内容×信任×关系） |
+| `wisdom_compose` | 跨学科组合分析（Convergence Over Coverage） |
+| `wisdom_respond` | 出招查询（条件→命中学科出招） |
+| `wisdom_chat` | 信息分层对话（语义识别分流→LLM 兜底） |
+
+## 角色扮演（4）
+
+| 工具 | 功能 |
+|---|---|
+| `roleplay_chat` | 角色扮演对话（扮演论 v3.3，白箱优先） |
+| `role_create` | 创建角色（角色卡=条件空间声明起点） |
+| `role_import` | 角色导入（memory/anchor/values 三接口） |
+| `role_block` | 角色扮演注入块（锚点/价值观/条件空间） |
+
+## 洞察（4）
+
+| 工具 | 功能 |
+|---|---|
+| `insight_record` | 洞察条件层：记录洞见事件（C1-C8 条件快照） |
+| `insight_verify` | 洞察验证（V1/V2/V3 证据提交） |
+| `insight_report` | 洞察 CER 报告（有效洞见率+显著性） |
+| `insight_window` | 洞察窗口检测（C1≥0.6∧跨域∧低压力） |
+
+## 外部（5）
+
+| 工具 | 功能 |
+|---|---|
+| `web_search` | 外部网络搜索（博查 API，不写入记忆） |
+| `web_ingest_search` | 外部搜索摄取（博查→知识层） |
+| `export` | 全库导出 JSON（灾备/迁移） |
+| `service_info` | 服务信息（身份/版本/协议/工具数） |
+| `designer_decide` | 设计者裁决（需 AEIS_DESIGNER_KEY） |
+
+## 世界模型 · 游戏服务器（10）
+
+| 工具 | 功能 |
+|---|---|
+| `voxel_world` | 小型我的世界（里程碑2.1 · 4D 时空占用沙盒：build/spawn/simulate/trail/state） |
+| `world_server` | AI 游戏世界服务器（里程碑2.2 · tick 多路并行/快照记忆/反馈/同步/错误回滚/预测验证） |
+| `scene_simulator` | 场景级世界模拟器（里程碑2.3 · 场景/实体/自主行为玩家：wander/seek/avoid/flee/follow + 决策循环） |
+| `spacetime_consistency` | 时空一致性验证（里程碑2.4 · 阶段2收官 · 持续运行：预测 vs 实际→滚动命中率/漂移检测/自洽判定） |
+| `world_model` | 统一世界模型（里程碑3.1 · HERMES 式统一架构：理解/生成/验证共享同一骨干，生成先验注入理解，观测-only 模式推断） |
+| `world_learner` | 自监督世界学习（里程碑3.2 · V-JEPA 式：观测序列无标注学转移函数，外部裁判评估认知缺口收紧） |
+| `curiosity_explorer` | 好奇驱动探索（里程碑3.3 · 有限带宽主动观测：信息增益最大化，盯住信息瓶颈，策略对比优于随机/轮询） |
+| `seven_layer_loop` | 七层闭环（里程碑3.4 · 阶段3收官：感知→记忆→理解→预测→验证→物理→决策完整自主循环，七层留痕可审计） |
+| `world_generator` | 文字生图/文字生视频（里程碑4.3 · 世界模型生成器：文字→场景解析→世界实例化→3D 渲染；image 确定性 PNG / video GIF 多帧=世界演化+预测叠加） |
+| `world_semantics` | 图像语义提取（里程碑4.5 · 感知方向：轮廓/形状/颜色/亮度→从外到内→图的信息定义；generate_roundtrip 生成-感知闭环自验证） |
+
+---
+
+## 引擎内部能力（未挂载 MCP · 8）
+
+> 存在于引擎中，按安全边界刻意不暴露给外部 Agent 调用：
+
+| 工具 | 功能 |
+|---|---|
+| `condition_space_operate` | 条件空间 7 操作（identify/declare/separate/compose/switch/reverse/loop） |
+| `add_context` | 情境层记忆写入（短时会话，FIFO+1h 窗口，可衰减） |
+| `code_test` | 结构化代码测试（隔离环境断言执行） |
+| `compile_exec` | 中文协议编译器（认知图→代码图→编译执行） |
+| `lingshu_sensor_report` | 信息差传感器（五维结构质量信号扫描） |
+| `lingshu_vitality_report` | 维生状态（心跳/影响面/回滚能力/判定） |
+| `lingshu_auto_snapshot` | 前置快照（sha256 指纹+修改意图） |
+| `lingshu_rollback` | 一键回滚（快照指纹校验） |
+
+---
+
+**总计：81 个 MCP 工具 + 8 个引擎内部能力**（不重复、不遗漏）