@furongjun1999/dsh-memory 0.4.11 → 0.5.0

package/md_cg/identity.py

@@ -1,391 +1,391 @@
-# -*- coding: utf-8 -*-
-"""身份特征识别（Identity Traits）——不止「用户画像」，而是「主体身份 × 位置效应 × 条件特征」。
-
-理论出处
---------
-· 智能论 v3.4 §十三「五大单元」·位置效应（`docs/theory/智能的公理化基石.md:540-556`）：
-
-      单元        位置效应   核心职责
-      记录单元     全        保存观测、过程、结果和误差
-      反思单元     新        发现差异、遗漏条件和新路径
-      验证单元     稳        判断规则、执行结果和结构是否有效
-      输出单元     通        与外部系统协作并表达边界
-      维生系统     存        维护存在、预算、回滚和整体结构
-
-  「位置效应」= 主体处在系统什么位置，就承担什么职责、表现出什么特征。
-  所以「画像」不该只刻画用户，而应识别**每个主体的身份锚点 + 位置 + 特征**，
-  其中也包括智能体自身（self）。
-
-· 扮演论 v3.3（`README.md:231-271`、`docs/mdcg/tool_table_v0.3.0.md:86-92`）：
-  智能即扮演；角色卡 = 条件空间声明起点；三接口 =
-      memory（历史 → 知识层）/
-      anchor（自我锚点 → SELF 层，不可遗忘）/
-      values（特化价值观 → STRUCTURE 层，带条件空间，条件空间即触发时机）。
-  边界：角色人设 ≠ 灵枢自身锚点（后者在 self 层，需设计者验证）。
-
-模型
-----
-    subject = {subject_id, kind, position, anchor, traits}
-      subject_id : "self:lingshu" / "user:alice" / "role:whale" / "agent:coder"
-      kind       : self | user | role | agent
-      position   : record | reflect | verify | output | sustain | unknown
-      anchor     : 身份锚点（不可遗忘；kind≠self 一律落 anchor 层）
-      traits     : 条件触发的特征条目（条件空间 = 触发时机，带重要度）
-
-诚实边界
---------
-· position 是**推断**（`infer_position` 按行为证据投票），返回 confidence / votes /
-  证据数，可审计「为什么判成这个位置」，不是事实断言。
-· 平票时 position 取 `POSITION_ORDER` 中的首个并置 `tie` 字段提示歧义，不假装唯一。
-· 复用 `protect` 写保护：self/anchor 层锚点不可遗忘；
-  `role` 主体的锚点不得写入 self 层（扮演论边界）。
-"""
-
-import hashlib
-import json
-import os
-import time
-
-from .fsutil import append_jsonl
-
-# 主体类型（扮演论：self=智能体自身 / role=扮演角色 / user=协作者 / agent=其他智能体）
-SUBJECT_KIND = ("self", "user", "role", "agent")
-
-# 位置效应（智能论 v3.4 §十三 五大单元）：顺序即平票裁决优先级
-POSITIONS = {
-    "record": {"unit": "记录单元", "effect": "全",
-               "duty": "保存观测、过程、结果和误差"},
-    "reflect": {"unit": "反思单元", "effect": "新",
-                "duty": "发现差异、遗漏条件和新的路径"},
-    "verify": {"unit": "验证单元", "effect": "稳",
-                "duty": "判断规则、执行结果和结构是否有效"},
-    "output": {"unit": "输出单元", "effect": "通",
-               "duty": "与外部系统协作并表达边界"},
-    "sustain": {"unit": "维生系统", "effect": "存",
-                "duty": "维护存在、预算、回滚和整体结构"},
-}
-POSITION_ORDER = tuple(POSITIONS)
-
-# 扮演论三接口 → 落层
-INTERFACES = {
-    "memory": {"layer": "knowledge",
-               "meaning": "历史经验 / 交互证据 → 知识层"},
-    "anchor": {"layer": "self|anchor",
-               "meaning": "身份锚点 → 自我层(self) / 锚点层(其他主体)，不可遗忘"},
-    "values": {"layer": "structural",
-               "meaning": "特化特征 / 价值观 → 结构层，条件空间即触发时机"},
-}
-
-PROFILE_PREFIX = "identity_"
-AUDIT_FILE = "_identity.jsonl"
-
-TAG_ANCHOR = "identity_anchor"
-TAG_TRAIT = "identity_trait"
-TAG_OBS = "identity_observation"
-
-# 位置投票的标签证据（每条都能追溯到五大单元职责）
-_POSITION_TAGS = {
-    "reflect": {"reflect", "candidate", "hypothesis", "反题", "遗漏条件"},
-    "verify": {"verify", "verdict", "裁决", "验证"},
-    "output": {"output", "表达", "协作"},
-    "sustain": {"goal", "budget", "rollback", "health", "维生"},
-}
-
-
-# 生效条件：subject_id 为假值（None/空串）时 s 为空串、无 ":" 可切，返回 ("user","")；否则 strip 后含 ":" 则按首个冒号切成 kind/name，kind 经 strip().lower() 后不在 SUBJECT_KIND 即改记 "user"，不含 ":" 时整串作为 name 归 "user"。
-def split_subject(subject_id):
-    """`"self:lingshu"` → `("self", "lingshu")`；无前缀按 `user` 处理。"""
-    s = (subject_id or "").strip()
-    if ":" in s:
-        kind, name = s.split(":", 1)
-        kind = kind.strip().lower()
-        if kind not in SUBJECT_KIND:
-            kind = "user"
-        return kind, name.strip()
-    return "user", s
-
-
-# 生效条件：对 str(s) 的每个字符，isalnum() 为真或字符属于 "_-" 时原样保留，其余一律替换为 "_"（s 为 None/非字符串时按 str(s) 结果逐字符处理）。
-def _slug(s):
-    return "".join(ch if (ch.isalnum() or ch in "_-") else "_" for ch in str(s))
-
-
-# 生效条件：subject_id 经 split_subject 与 _slug 处理后，按 PROFILE_PREFIX + kind + "_" + name 拼出档案节点 id。
-def subject_node_id(subject_id):
-    """主体的档案节点 id（锚点载体）：`identity_<kind>_<name>`。"""
-    kind, name = split_subject(subject_id)
-    return f"{PROFILE_PREFIX}{_slug(kind)}_{_slug(name)}"
-
-
-# 生效条件：给定 prefix 与 subject_id（seed 缺省为空串且原样参与哈希，不做回落）即返回 f"{PROFILE_PREFIX}{prefix}_{_slug(subject_id)}_{sha256(f'{subject_id}|{seed}|{time.time()}')前10位}"——prefix 只参与结果拼接、不参与哈希，因哈希含 time.time() 故每次调用返回的后缀都不同。
-def _nid(prefix, subject_id, seed=""):
-    h = hashlib.sha256(f"{subject_id}|{seed}|{time.time()}".encode("utf-8"))
-    return f"{PROFILE_PREFIX}{prefix}_{_slug(subject_id)}_{h.hexdigest()[:10]}"
-
-
-# 生效条件：rec 先被 dict(rec) 拷贝，仅当拷贝中缺 "ts" 键时补 time.time()，随后写入 cg.root 下 AUDIT_FILE 指向的 jsonl；写盘抛 OSError 时静默跳过并返回 None。
-def log(cg, rec):
-    rec = dict(rec)
-    rec.setdefault("ts", time.time())
-    try:
-        append_jsonl(os.path.join(cg.root, AUDIT_FILE), rec)
-    except OSError:
-        pass
-
-
-# 生效条件：cg.root 下 AUDIT_FILE 路径缺失或打开即抛 OSError 时返回空列表；否则逐行解析非空 JSON（json.loads 抛 ValueError 的行跳过），读取中途抛 OSError 时返回已解析的部分 out，正常返回 out[-int(limit or 100):]，其中 limit 为 0/空串等假值时按 100 取值；
-def history(cg, limit=100):
-    p = os.path.join(cg.root, AUDIT_FILE)
-    out = []
-    if not os.path.exists(p):
-        return out
-    try:
-        with open(p, "r", encoding="utf-8") as f:
-            for line in f:
-                line = line.strip()
-                if not line:
-                    continue
-                try:
-                    out.append(json.loads(line))
-                except ValueError:
-                    continue
-    except OSError:
-        return out
-    return out[-int(limit or 100):]
-
-
-# --------------------------------------------------------------------------
-# 扮演论三接口：memory / anchor / values
-# --------------------------------------------------------------------------
-
-# 生效条件：subject_id 定 kind 默认值，kind 参数为真值时覆盖之；node_id 为假值时用 _nid("obs", subject_id, text[:32])（含 time.time()）生成；标签为 list(tags or []) 追加 subject:<subject_id>、TAG_OBS、kind:<k>，evidence 为真值时再追加一条 evidence:<evidence>；condition_space 以 dict(condition_space or {}) 为底并 setdefault subject/kind；落层用 layer 真值否则 "knowledge"，role 为真值时随 extra 传 role；返回 {"ok": True, "node_id", "subject_id", "kind"}。
-def observe(cg, subject_id, text, *, kind=None, role=None, layer=None, tags=None,
-            condition_space=None, importance=0.5, verification_basis=None,
-            evidence=None, node_id=None, override=False):
-    """memory 接口：记录一条关于主体的**行为证据**（用于位置推断）。
-
-    写入知识层，自动带 `subject:<id>` 标签，使 `infer_position` 定位到该主体。
-    role 兼作来源证据：user=外部协作、command/tool-output=内部执行。
-    """
-    k, _ = split_subject(subject_id)
-    k = (kind or k).strip().lower()
-    nid = node_id or _nid("obs", subject_id, text[:32])
-    tg = list(tags or []) + [f"subject:{subject_id}", TAG_OBS, f"kind:{k}"]
-    if evidence:
-        tg.append(f"evidence:{evidence}")
-    cs = dict(condition_space or {})
-    cs.setdefault("subject", subject_id)
-    cs.setdefault("kind", k)
-    extra = {"role": role} if role else {}
-    cg.add(nid, text, layer=layer or "knowledge", tags=tg, condition_space=cs,
-           importance=importance, verification_basis=verification_basis,
-           override=override, **extra)
-    log(cg, {"op": "observe", "subject": subject_id, "node_id": nid, "role": role,
-             "layer": layer or "knowledge"})
-    return {"ok": True, "node_id": nid, "subject_id": subject_id, "kind": k}
-
-
-# 生效条件：kind 参数为真值时覆盖 split_subject(subject_id) 得到的类型，k 不在 SUBJECT_KIND 时抛 ValueError；k 为 "self" 落 "self" 层、其余落 "anchor" 层，但 requested_layer 等于 "self" 且 k 不为 "self" 时抛 ValueError（不写盘）；节点 id 取自 subject_node_id(subject_id)，返回含 layer 与 protected True。
-def set_anchor(cg, subject_id, text, *, kind=None, condition_space=None,
-               importance=0.9, override=False, requested_layer=None):
-    """anchor 接口：写入身份锚点（不可遗忘）。
-
-    落层规则（扮演论边界）：
-      · kind=self  → self 层（智能体自身的自我锚点，需设计者验证）
-      · 其他 kind  → anchor 层（角色/用户锚点，仍不可遗忘）
-    requested_layer="self" 但 kind≠self → 拒绝（角色人设 ≠ 灵枢自身锚点）。
-    """
-    k, _ = split_subject(subject_id)
-    k = (kind or k).strip().lower()
-    if k not in SUBJECT_KIND:
-        raise ValueError(f"未知主体类型：{k}（允许：{SUBJECT_KIND}）")
-    if requested_layer == "self" and k != "self":
-        raise ValueError(
-            "扮演论边界：角色/用户锚点不得写入 self 层"
-            "（self 层是灵枢自身锚点，需设计者验证）")
-    layer = "self" if k == "self" else "anchor"
-    nid = subject_node_id(subject_id)
-    cs = dict(condition_space or {})
-    cs.setdefault("subject", subject_id)
-    cs.setdefault("kind", k)
-    tg = [f"subject:{subject_id}", TAG_ANCHOR, f"kind:{k}"]
-    cg.add(nid, text, layer=layer, tags=tg, condition_space=cs,
-           importance=importance, verification_basis="data", override=override)
-    log(cg, {"op": "anchor", "subject": subject_id, "node_id": nid,
-             "kind": k, "layer": layer, "override": bool(override)})
-    return {"ok": True, "node_id": nid, "subject_id": subject_id, "kind": k,
-            "layer": layer, "protected": True}
-
-
-# 生效条件：kind 参数为真值时覆盖 split_subject(subject_id) 得到的类型；node_id 为假值时用 _nid("trait", subject_id, trait[:24]) 生成；落层硬编码为 "structural"；position 为真值时追加 position:<position> 标签；verification_basis 缺省为 "data"，importance 缺省 0.6；返回 layer 为 "structural" 与所用 condition_space。
-def add_trait(cg, subject_id, trait, *, condition_space=None, importance=0.6,
-              position=None, kind=None, verification_basis="data",
-              override=False, node_id=None):
-    """values 接口：写入条件触发的特征/特化价值观。
-
-    落 STRUCTURE 层；`condition_space` 即触发时机（扮演论：条件空间 = 触发条件）。
-    """
-    k, _ = split_subject(subject_id)
-    k = (kind or k).strip().lower()
-    nid = node_id or _nid("trait", subject_id, trait[:24])
-    cs = dict(condition_space or {})
-    cs.setdefault("subject", subject_id)
-    cs.setdefault("kind", k)
-    tg = [f"subject:{subject_id}", TAG_TRAIT, f"kind:{k}"]
-    if position:
-        tg.append(f"position:{position}")
-    cg.add(nid, trait, layer="structural", tags=tg, condition_space=cs,
-           importance=importance, verification_basis=verification_basis,
-           override=override)
-    log(cg, {"op": "trait", "subject": subject_id, "node_id": nid,
-             "position": position})
-    return {"ok": True, "node_id": nid, "subject_id": subject_id, "kind": k,
-            "layer": "structural", "condition_space": cs}
-
-
-# --------------------------------------------------------------------------
-# 位置效应推断（智能论 v3.4 §十三）
-# --------------------------------------------------------------------------
-
-# 生效条件：tags 先转为 set(tags or []) 后并列判定——role 属于 ("command","tool-output") 或 layer 等于 "contextual" 则加 "record"；tags 与 _POSITION_TAGS 各项标记集有交集则加对应 pos；ev_pos 或 ev_neg 为真值则加 "verify"；role 属于 ("user","assistant") 或 tags 中任一字符串以 "cap:" 开头则加 "output"；layer 等于 "goals" 则加 "sustain"；返回该并集。
-def _votes(role, layer, tags, vb, ev_pos, ev_neg):
-    """把一条行为证据映射到位置效应候选（可多面）。规则可审计、可扩展。"""
-    tags = set(tags or [])
-    v = set()
-    if role in ("command", "tool-output") or layer == "contextual":
-        v.add("record")
-    for pos, marks in _POSITION_TAGS.items():
-        if tags & marks:
-            v.add(pos)
-    if ev_pos or ev_neg:
-        v.add("verify")
-    if role in ("user", "assistant") or any(
-            isinstance(t, str) and t.startswith("cap:") for t in tags):
-        v.add("output")
-    if layer == "goals":
-        v.add("sustain")
-    return v
-
-
-# 生效条件：遍历 cg.index.get("nodes")（缺键或值为假时取空 dict，此时必然返回 position=unknown、confidence=0.0、votes={}），仅统计标签含 "subject:<subject_id>" 且不含 TAG_ANCHOR/TAG_TRAIT 的节点，票由 _votes 得出；无任何票时返回 unknown/0.0/{}；有票时 winners 为 POSITION_ORDER 中票数等于最高票的位置，position 取 winners[0]，confidence=round(top/total, 3)，多赢家时以 tie 列出。
-def infer_position(cg, subject_id):
-    """按该主体的行为证据投票推断位置效应（带 confidence / votes，可审计）。
-
-    只统计带 `subject:<id>` 标签、且**非档案节点**（锚点/特征）的证据节点，
-    避免档案自证。返回 position=unknown 表示证据不足。
-    """
-    tag = f"subject:{subject_id}"
-    nodes = cg.index.get("nodes") or {}
-    votes, n = {}, 0
-    for nid, e in nodes.items():
-        tg = set(e.get("tags") or [])
-        if tag not in tg or (tg & {TAG_ANCHOR, TAG_TRAIT}):
-            continue
-        node = cg.get(nid) or {}
-        fm = node.get("frontmatter") or {}
-        n += 1
-        for pos in _votes(fm.get("role"), e.get("layer"), e.get("tags"),
-                          e.get("verification_basis"), fm.get("positive_evidence"),
-                          fm.get("negative_evidence")):
-            votes[pos] = votes.get(pos, 0) + 1
-    if not votes:
-        return {"position": "unknown", "confidence": 0.0, "votes": {},
-                "evidence_count": n, "tie": []}
-    top = max(votes.values())
-    winners = [p for p in POSITION_ORDER if votes.get(p) == top]
-    total = sum(votes.values())
-    return {"position": winners[0], "confidence": round(top / total, 3),
-            "votes": votes, "evidence_count": n,
-            "tie": winners if len(winners) > 1 else []}
-
-
-# 生效条件：pos 取自 POSITIONS，缺键时以空 dict 兜底，故未知 pos 返回 {"position": pos, "unit": None, "effect": None, "duty": None}。
-def _position_view(pos):
-    meta = POSITIONS.get(pos) or {}
-    return {"position": pos, "unit": meta.get("unit"),
-            "effect": meta.get("effect"), "duty": meta.get("duty")}
-
-
-# 生效条件：仅遍历标签含 "subject:<subject_id>" 的节点，其中带 TAG_ANCHOR 者进 anchors，否则（elif）带 TAG_TRAIT 者进 traits——两标签同时存在时只进 anchors、不进 traits；anchor 取 anchors[0] 或 None；位置相关字段来自 infer_position(cg, subject_id)。
-def profile(cg, subject_id):
-    """主体画像 = 身份锚点 + 位置效应 + 条件特征（取代单一「用户画像」）。"""
-    k, name = split_subject(subject_id)
-    tag = f"subject:{subject_id}"
-    nodes = cg.index.get("nodes") or {}
-    anchors, traits = [], []
-    for nid, e in nodes.items():
-        tg = set(e.get("tags") or [])
-        if tag not in tg:
-            continue
-        node = cg.get(nid) or {}
-        fm = node.get("frontmatter") or {}
-        if TAG_ANCHOR in tg:
-            anchors.append({"node_id": nid, "layer": e.get("layer"),
-                            "content": (node.get("content") or "")[:400]})
-        elif TAG_TRAIT in tg:
-            traits.append({"node_id": nid, "layer": e.get("layer"),
-                           "content": (node.get("content") or "")[:200],
-                           "condition_space": fm.get("condition_space"),
-                           "importance": fm.get("importance")})
-    pos = infer_position(cg, subject_id)
-    out = {"subject_id": subject_id, "kind": k, "name": name,
-           "anchor": anchors[0] if anchors else None, "anchors": anchors,
-           "traits": traits, "traits_count": len(traits)}
-    out.update(_position_view(pos["position"]))
-    out.update({"position_confidence": pos["confidence"], "votes": pos["votes"],
-                "evidence_count": pos["evidence_count"], "tie": pos["tie"]})
-    return out
-
-
-# 生效条件：counts 按每个以 "subject:" 开头的字符串标签出现次数累加（即标签次数，不是节点数），按 (-次数, sid) 排序后逐个 sid 调 infer_position；limit 为 0/None/空串等使 `limit and int(limit) > 0` 为假时返回全量 out，仅当 limit 为真值且 int(limit) > 0 时返回前 int(limit) 项。
-def positions(cg, limit=0):
-    """所有主体的位置效应分布（OS 视角：谁在记录/反思/验证/输出/维生）。"""
-    nodes = cg.index.get("nodes") or {}
-    counts = {}
-    for _nid_, e in nodes.items():
-        for t in (e.get("tags") or []):
-            if isinstance(t, str) and t.startswith("subject:"):
-                sid = t[len("subject:"):]
-                counts[sid] = counts.get(sid, 0) + 1
-    out = []
-    for sid, cnt in sorted(counts.items(), key=lambda kv: (-kv[1], kv[0])):
-        p = infer_position(cg, sid)
-        out.append({"subject_id": sid, "kind": split_subject(sid)[0],
-                    "nodes": cnt, "position": p["position"],
-                    "confidence": p["confidence"], "evidence_count": p["evidence_count"]})
-    return out[:int(limit)] if limit and int(limit) > 0 else out
-
-
-# 生效条件：cg.root/AUDIT_FILE 不存在时返回 0；否则逐行统计 strip() 后非空的行数，读取途中抛 OSError 时返回已累计的 n。
-def _audit_count(cg):
-    p = os.path.join(cg.root, AUDIT_FILE)
-    if not os.path.exists(p):
-        return 0
-    n = 0
-    try:
-        with open(p, "r", encoding="utf-8") as f:
-            for line in f:
-                if line.strip():
-                    n += 1
-    except OSError:
-        return n
-    return n
-
-
-# 生效条件：以 positions(cg)（limit 缺省 0，返回全量）得主体列表并按各自 position 聚合计数，与 _audit_count(cg) 一并返回 subjects/by_position/audit_records。
-def summary(cg):
-    """身份面汇总：主体数 + 位置分布（供 health / 运维审计，流式计数不载全量）。"""
-    ps = positions(cg)
-    dist = {}
-    for s in ps:
-        dist[s["position"]] = dist.get(s["position"], 0) + 1
-    return {"subjects": len(ps), "by_position": dist,
-            "audit_records": _audit_count(cg)}
-
-
-# 生效条件：无入参，恒返回 POSITION_ORDER 中每个 p 的 POSITIONS[p] 副本、INTERFACES 各值副本以及 list(SUBJECT_KIND)。
-def catalog():
-    """自描述：位置效应表 + 三接口（供 MCP / 文档对照协议验证）。"""
-    return {"positions": {p: dict(POSITIONS[p]) for p in POSITION_ORDER},
-            "interfaces": {k: dict(v) for k, v in INTERFACES.items()},
+# -*- coding: utf-8 -*-
+"""身份特征识别（Identity Traits）——不止「用户画像」，而是「主体身份 × 位置效应 × 条件特征」。
+
+理论出处
+--------
+· 智能论 v3.4 §十三「五大单元」·位置效应（`docs/theory/智能的公理化基石.md:540-556`）：
+
+      单元        位置效应   核心职责
+      记录单元     全        保存观测、过程、结果和误差
+      反思单元     新        发现差异、遗漏条件和新路径
+      验证单元     稳        判断规则、执行结果和结构是否有效
+      输出单元     通        与外部系统协作并表达边界
+      维生系统     存        维护存在、预算、回滚和整体结构
+
+  「位置效应」= 主体处在系统什么位置，就承担什么职责、表现出什么特征。
+  所以「画像」不该只刻画用户，而应识别**每个主体的身份锚点 + 位置 + 特征**，
+  其中也包括智能体自身（self）。
+
+· 扮演论 v3.3（`README.md:231-271`、`docs/mdcg/tool_table_v0.3.0.md:86-92`）：
+  智能即扮演；角色卡 = 条件空间声明起点；三接口 =
+      memory（历史 → 知识层）/
+      anchor（自我锚点 → SELF 层，不可遗忘）/
+      values（特化价值观 → STRUCTURE 层，带条件空间，条件空间即触发时机）。
+  边界：角色人设 ≠ 灵枢自身锚点（后者在 self 层，需设计者验证）。
+
+模型
+----
+    subject = {subject_id, kind, position, anchor, traits}
+      subject_id : "self:lingshu" / "user:alice" / "role:whale" / "agent:coder"
+      kind       : self | user | role | agent
+      position   : record | reflect | verify | output | sustain | unknown
+      anchor     : 身份锚点（不可遗忘；kind≠self 一律落 anchor 层）
+      traits     : 条件触发的特征条目（条件空间 = 触发时机，带重要度）
+
+诚实边界
+--------
+· position 是**推断**（`infer_position` 按行为证据投票），返回 confidence / votes /
+  证据数，可审计「为什么判成这个位置」，不是事实断言。
+· 平票时 position 取 `POSITION_ORDER` 中的首个并置 `tie` 字段提示歧义，不假装唯一。
+· 复用 `protect` 写保护：self/anchor 层锚点不可遗忘；
+  `role` 主体的锚点不得写入 self 层（扮演论边界）。
+"""
+
+import hashlib
+import json
+import os
+import time
+
+from .fsutil import append_jsonl
+
+# 主体类型（扮演论：self=智能体自身 / role=扮演角色 / user=协作者 / agent=其他智能体）
+SUBJECT_KIND = ("self", "user", "role", "agent")
+
+# 位置效应（智能论 v3.4 §十三 五大单元）：顺序即平票裁决优先级
+POSITIONS = {
+    "record": {"unit": "记录单元", "effect": "全",
+               "duty": "保存观测、过程、结果和误差"},
+    "reflect": {"unit": "反思单元", "effect": "新",
+                "duty": "发现差异、遗漏条件和新的路径"},
+    "verify": {"unit": "验证单元", "effect": "稳",
+                "duty": "判断规则、执行结果和结构是否有效"},
+    "output": {"unit": "输出单元", "effect": "通",
+               "duty": "与外部系统协作并表达边界"},
+    "sustain": {"unit": "维生系统", "effect": "存",
+                "duty": "维护存在、预算、回滚和整体结构"},
+}
+POSITION_ORDER = tuple(POSITIONS)
+
+# 扮演论三接口 → 落层
+INTERFACES = {
+    "memory": {"layer": "knowledge",
+               "meaning": "历史经验 / 交互证据 → 知识层"},
+    "anchor": {"layer": "self|anchor",
+               "meaning": "身份锚点 → 自我层(self) / 锚点层(其他主体)，不可遗忘"},
+    "values": {"layer": "structural",
+               "meaning": "特化特征 / 价值观 → 结构层，条件空间即触发时机"},
+}
+
+PROFILE_PREFIX = "identity_"
+AUDIT_FILE = "_identity.jsonl"
+
+TAG_ANCHOR = "identity_anchor"
+TAG_TRAIT = "identity_trait"
+TAG_OBS = "identity_observation"
+
+# 位置投票的标签证据（每条都能追溯到五大单元职责）
+_POSITION_TAGS = {
+    "reflect": {"reflect", "candidate", "hypothesis", "反题", "遗漏条件"},
+    "verify": {"verify", "verdict", "裁决", "验证"},
+    "output": {"output", "表达", "协作"},
+    "sustain": {"goal", "budget", "rollback", "health", "维生"},
+}
+
+
+# 生效条件：subject_id 为假值（None/空串）时 s 为空串、无 ":" 可切，返回 ("user","")；否则 strip 后含 ":" 则按首个冒号切成 kind/name，kind 经 strip().lower() 后不在 SUBJECT_KIND 即改记 "user"，不含 ":" 时整串作为 name 归 "user"。
+def split_subject(subject_id):
+    """`"self:lingshu"` → `("self", "lingshu")`；无前缀按 `user` 处理。"""
+    s = (subject_id or "").strip()
+    if ":" in s:
+        kind, name = s.split(":", 1)
+        kind = kind.strip().lower()
+        if kind not in SUBJECT_KIND:
+            kind = "user"
+        return kind, name.strip()
+    return "user", s
+
+
+# 生效条件：对 str(s) 的每个字符，isalnum() 为真或字符属于 "_-" 时原样保留，其余一律替换为 "_"（s 为 None/非字符串时按 str(s) 结果逐字符处理）。
+def _slug(s):
+    return "".join(ch if (ch.isalnum() or ch in "_-") else "_" for ch in str(s))
+
+
+# 生效条件：subject_id 经 split_subject 与 _slug 处理后，按 PROFILE_PREFIX + kind + "_" + name 拼出档案节点 id。
+def subject_node_id(subject_id):
+    """主体的档案节点 id（锚点载体）：`identity_<kind>_<name>`。"""
+    kind, name = split_subject(subject_id)
+    return f"{PROFILE_PREFIX}{_slug(kind)}_{_slug(name)}"
+
+
+# 生效条件：给定 prefix 与 subject_id（seed 缺省为空串且原样参与哈希，不做回落）即返回 f"{PROFILE_PREFIX}{prefix}_{_slug(subject_id)}_{sha256(f'{subject_id}|{seed}|{time.time()}')前10位}"——prefix 只参与结果拼接、不参与哈希，因哈希含 time.time() 故每次调用返回的后缀都不同。
+def _nid(prefix, subject_id, seed=""):
+    h = hashlib.sha256(f"{subject_id}|{seed}|{time.time()}".encode("utf-8"))
+    return f"{PROFILE_PREFIX}{prefix}_{_slug(subject_id)}_{h.hexdigest()[:10]}"
+
+
+# 生效条件：rec 先被 dict(rec) 拷贝，仅当拷贝中缺 "ts" 键时补 time.time()，随后写入 cg.root 下 AUDIT_FILE 指向的 jsonl；写盘抛 OSError 时静默跳过并返回 None。
+def log(cg, rec):
+    rec = dict(rec)
+    rec.setdefault("ts", time.time())
+    try:
+        append_jsonl(os.path.join(cg.root, AUDIT_FILE), rec)
+    except OSError:
+        pass
+
+
+# 生效条件：cg.root 下 AUDIT_FILE 路径缺失或打开即抛 OSError 时返回空列表；否则逐行解析非空 JSON（json.loads 抛 ValueError 的行跳过），读取中途抛 OSError 时返回已解析的部分 out，正常返回 out[-int(limit or 100):]，其中 limit 为 0/空串等假值时按 100 取值；
+def history(cg, limit=100):
+    p = os.path.join(cg.root, AUDIT_FILE)
+    out = []
+    if not os.path.exists(p):
+        return out
+    try:
+        with open(p, "r", encoding="utf-8") as f:
+            for line in f:
+                line = line.strip()
+                if not line:
+                    continue
+                try:
+                    out.append(json.loads(line))
+                except ValueError:
+                    continue
+    except OSError:
+        return out
+    return out[-int(limit or 100):]
+
+
+# --------------------------------------------------------------------------
+# 扮演论三接口：memory / anchor / values
+# --------------------------------------------------------------------------
+
+# 生效条件：subject_id 定 kind 默认值，kind 参数为真值时覆盖之；node_id 为假值时用 _nid("obs", subject_id, text[:32])（含 time.time()）生成；标签为 list(tags or []) 追加 subject:<subject_id>、TAG_OBS、kind:<k>，evidence 为真值时再追加一条 evidence:<evidence>；condition_space 以 dict(condition_space or {}) 为底并 setdefault subject/kind；落层用 layer 真值否则 "knowledge"，role 为真值时随 extra 传 role；返回 {"ok": True, "node_id", "subject_id", "kind"}。
+def observe(cg, subject_id, text, *, kind=None, role=None, layer=None, tags=None,
+            condition_space=None, importance=0.5, verification_basis=None,
+            evidence=None, node_id=None, override=False):
+    """memory 接口：记录一条关于主体的**行为证据**（用于位置推断）。
+
+    写入知识层，自动带 `subject:<id>` 标签，使 `infer_position` 定位到该主体。
+    role 兼作来源证据：user=外部协作、command/tool-output=内部执行。
+    """
+    k, _ = split_subject(subject_id)
+    k = (kind or k).strip().lower()
+    nid = node_id or _nid("obs", subject_id, text[:32])
+    tg = list(tags or []) + [f"subject:{subject_id}", TAG_OBS, f"kind:{k}"]
+    if evidence:
+        tg.append(f"evidence:{evidence}")
+    cs = dict(condition_space or {})
+    cs.setdefault("subject", subject_id)
+    cs.setdefault("kind", k)
+    extra = {"role": role} if role else {}
+    cg.add(nid, text, layer=layer or "knowledge", tags=tg, condition_space=cs,
+           importance=importance, verification_basis=verification_basis,
+           override=override, **extra)
+    log(cg, {"op": "observe", "subject": subject_id, "node_id": nid, "role": role,
+             "layer": layer or "knowledge"})
+    return {"ok": True, "node_id": nid, "subject_id": subject_id, "kind": k}
+
+
+# 生效条件：kind 参数为真值时覆盖 split_subject(subject_id) 得到的类型，k 不在 SUBJECT_KIND 时抛 ValueError；k 为 "self" 落 "self" 层、其余落 "anchor" 层，但 requested_layer 等于 "self" 且 k 不为 "self" 时抛 ValueError（不写盘）；节点 id 取自 subject_node_id(subject_id)，返回含 layer 与 protected True。
+def set_anchor(cg, subject_id, text, *, kind=None, condition_space=None,
+               importance=0.9, override=False, requested_layer=None):
+    """anchor 接口：写入身份锚点（不可遗忘）。
+
+    落层规则（扮演论边界）：
+      · kind=self  → self 层（智能体自身的自我锚点，需设计者验证）
+      · 其他 kind  → anchor 层（角色/用户锚点，仍不可遗忘）
+    requested_layer="self" 但 kind≠self → 拒绝（角色人设 ≠ 灵枢自身锚点）。
+    """
+    k, _ = split_subject(subject_id)
+    k = (kind or k).strip().lower()
+    if k not in SUBJECT_KIND:
+        raise ValueError(f"未知主体类型：{k}（允许：{SUBJECT_KIND}）")
+    if requested_layer == "self" and k != "self":
+        raise ValueError(
+            "扮演论边界：角色/用户锚点不得写入 self 层"
+            "（self 层是灵枢自身锚点，需设计者验证）")
+    layer = "self" if k == "self" else "anchor"
+    nid = subject_node_id(subject_id)
+    cs = dict(condition_space or {})
+    cs.setdefault("subject", subject_id)
+    cs.setdefault("kind", k)
+    tg = [f"subject:{subject_id}", TAG_ANCHOR, f"kind:{k}"]
+    cg.add(nid, text, layer=layer, tags=tg, condition_space=cs,
+           importance=importance, verification_basis="data", override=override)
+    log(cg, {"op": "anchor", "subject": subject_id, "node_id": nid,
+             "kind": k, "layer": layer, "override": bool(override)})
+    return {"ok": True, "node_id": nid, "subject_id": subject_id, "kind": k,
+            "layer": layer, "protected": True}
+
+
+# 生效条件：kind 参数为真值时覆盖 split_subject(subject_id) 得到的类型；node_id 为假值时用 _nid("trait", subject_id, trait[:24]) 生成；落层硬编码为 "structural"；position 为真值时追加 position:<position> 标签；verification_basis 缺省为 "data"，importance 缺省 0.6；返回 layer 为 "structural" 与所用 condition_space。
+def add_trait(cg, subject_id, trait, *, condition_space=None, importance=0.6,
+              position=None, kind=None, verification_basis="data",
+              override=False, node_id=None):
+    """values 接口：写入条件触发的特征/特化价值观。
+
+    落 STRUCTURE 层；`condition_space` 即触发时机（扮演论：条件空间 = 触发条件）。
+    """
+    k, _ = split_subject(subject_id)
+    k = (kind or k).strip().lower()
+    nid = node_id or _nid("trait", subject_id, trait[:24])
+    cs = dict(condition_space or {})
+    cs.setdefault("subject", subject_id)
+    cs.setdefault("kind", k)
+    tg = [f"subject:{subject_id}", TAG_TRAIT, f"kind:{k}"]
+    if position:
+        tg.append(f"position:{position}")
+    cg.add(nid, trait, layer="structural", tags=tg, condition_space=cs,
+           importance=importance, verification_basis=verification_basis,
+           override=override)
+    log(cg, {"op": "trait", "subject": subject_id, "node_id": nid,
+             "position": position})
+    return {"ok": True, "node_id": nid, "subject_id": subject_id, "kind": k,
+            "layer": "structural", "condition_space": cs}
+
+
+# --------------------------------------------------------------------------
+# 位置效应推断（智能论 v3.4 §十三）
+# --------------------------------------------------------------------------
+
+# 生效条件：tags 先转为 set(tags or []) 后并列判定——role 属于 ("command","tool-output") 或 layer 等于 "contextual" 则加 "record"；tags 与 _POSITION_TAGS 各项标记集有交集则加对应 pos；ev_pos 或 ev_neg 为真值则加 "verify"；role 属于 ("user","assistant") 或 tags 中任一字符串以 "cap:" 开头则加 "output"；layer 等于 "goals" 则加 "sustain"；返回该并集。
+def _votes(role, layer, tags, vb, ev_pos, ev_neg):
+    """把一条行为证据映射到位置效应候选（可多面）。规则可审计、可扩展。"""
+    tags = set(tags or [])
+    v = set()
+    if role in ("command", "tool-output") or layer == "contextual":
+        v.add("record")
+    for pos, marks in _POSITION_TAGS.items():
+        if tags & marks:
+            v.add(pos)
+    if ev_pos or ev_neg:
+        v.add("verify")
+    if role in ("user", "assistant") or any(
+            isinstance(t, str) and t.startswith("cap:") for t in tags):
+        v.add("output")
+    if layer == "goals":
+        v.add("sustain")
+    return v
+
+
+# 生效条件：遍历 cg.index.get("nodes")（缺键或值为假时取空 dict，此时必然返回 position=unknown、confidence=0.0、votes={}），仅统计标签含 "subject:<subject_id>" 且不含 TAG_ANCHOR/TAG_TRAIT 的节点，票由 _votes 得出；无任何票时返回 unknown/0.0/{}；有票时 winners 为 POSITION_ORDER 中票数等于最高票的位置，position 取 winners[0]，confidence=round(top/total, 3)，多赢家时以 tie 列出。
+def infer_position(cg, subject_id):
+    """按该主体的行为证据投票推断位置效应（带 confidence / votes，可审计）。
+
+    只统计带 `subject:<id>` 标签、且**非档案节点**（锚点/特征）的证据节点，
+    避免档案自证。返回 position=unknown 表示证据不足。
+    """
+    tag = f"subject:{subject_id}"
+    nodes = cg.index.get("nodes") or {}
+    votes, n = {}, 0
+    for nid, e in nodes.items():
+        tg = set(e.get("tags") or [])
+        if tag not in tg or (tg & {TAG_ANCHOR, TAG_TRAIT}):
+            continue
+        node = cg.get(nid) or {}
+        fm = node.get("frontmatter") or {}
+        n += 1
+        for pos in _votes(fm.get("role"), e.get("layer"), e.get("tags"),
+                          e.get("verification_basis"), fm.get("positive_evidence"),
+                          fm.get("negative_evidence")):
+            votes[pos] = votes.get(pos, 0) + 1
+    if not votes:
+        return {"position": "unknown", "confidence": 0.0, "votes": {},
+                "evidence_count": n, "tie": []}
+    top = max(votes.values())
+    winners = [p for p in POSITION_ORDER if votes.get(p) == top]
+    total = sum(votes.values())
+    return {"position": winners[0], "confidence": round(top / total, 3),
+            "votes": votes, "evidence_count": n,
+            "tie": winners if len(winners) > 1 else []}
+
+
+# 生效条件：pos 取自 POSITIONS，缺键时以空 dict 兜底，故未知 pos 返回 {"position": pos, "unit": None, "effect": None, "duty": None}。
+def _position_view(pos):
+    meta = POSITIONS.get(pos) or {}
+    return {"position": pos, "unit": meta.get("unit"),
+            "effect": meta.get("effect"), "duty": meta.get("duty")}
+
+
+# 生效条件：仅遍历标签含 "subject:<subject_id>" 的节点，其中带 TAG_ANCHOR 者进 anchors，否则（elif）带 TAG_TRAIT 者进 traits——两标签同时存在时只进 anchors、不进 traits；anchor 取 anchors[0] 或 None；位置相关字段来自 infer_position(cg, subject_id)。
+def profile(cg, subject_id):
+    """主体画像 = 身份锚点 + 位置效应 + 条件特征（取代单一「用户画像」）。"""
+    k, name = split_subject(subject_id)
+    tag = f"subject:{subject_id}"
+    nodes = cg.index.get("nodes") or {}
+    anchors, traits = [], []
+    for nid, e in nodes.items():
+        tg = set(e.get("tags") or [])
+        if tag not in tg:
+            continue
+        node = cg.get(nid) or {}
+        fm = node.get("frontmatter") or {}
+        if TAG_ANCHOR in tg:
+            anchors.append({"node_id": nid, "layer": e.get("layer"),
+                            "content": (node.get("content") or "")[:400]})
+        elif TAG_TRAIT in tg:
+            traits.append({"node_id": nid, "layer": e.get("layer"),
+                           "content": (node.get("content") or "")[:200],
+                           "condition_space": fm.get("condition_space"),
+                           "importance": fm.get("importance")})
+    pos = infer_position(cg, subject_id)
+    out = {"subject_id": subject_id, "kind": k, "name": name,
+           "anchor": anchors[0] if anchors else None, "anchors": anchors,
+           "traits": traits, "traits_count": len(traits)}
+    out.update(_position_view(pos["position"]))
+    out.update({"position_confidence": pos["confidence"], "votes": pos["votes"],
+                "evidence_count": pos["evidence_count"], "tie": pos["tie"]})
+    return out
+
+
+# 生效条件：counts 按每个以 "subject:" 开头的字符串标签出现次数累加（即标签次数，不是节点数），按 (-次数, sid) 排序后逐个 sid 调 infer_position；limit 为 0/None/空串等使 `limit and int(limit) > 0` 为假时返回全量 out，仅当 limit 为真值且 int(limit) > 0 时返回前 int(limit) 项。
+def positions(cg, limit=0):
+    """所有主体的位置效应分布（OS 视角：谁在记录/反思/验证/输出/维生）。"""
+    nodes = cg.index.get("nodes") or {}
+    counts = {}
+    for _nid_, e in nodes.items():
+        for t in (e.get("tags") or []):
+            if isinstance(t, str) and t.startswith("subject:"):
+                sid = t[len("subject:"):]
+                counts[sid] = counts.get(sid, 0) + 1
+    out = []
+    for sid, cnt in sorted(counts.items(), key=lambda kv: (-kv[1], kv[0])):
+        p = infer_position(cg, sid)
+        out.append({"subject_id": sid, "kind": split_subject(sid)[0],
+                    "nodes": cnt, "position": p["position"],
+                    "confidence": p["confidence"], "evidence_count": p["evidence_count"]})
+    return out[:int(limit)] if limit and int(limit) > 0 else out
+
+
+# 生效条件：cg.root/AUDIT_FILE 不存在时返回 0；否则逐行统计 strip() 后非空的行数，读取途中抛 OSError 时返回已累计的 n。
+def _audit_count(cg):
+    p = os.path.join(cg.root, AUDIT_FILE)
+    if not os.path.exists(p):
+        return 0
+    n = 0
+    try:
+        with open(p, "r", encoding="utf-8") as f:
+            for line in f:
+                if line.strip():
+                    n += 1
+    except OSError:
+        return n
+    return n
+
+
+# 生效条件：以 positions(cg)（limit 缺省 0，返回全量）得主体列表并按各自 position 聚合计数，与 _audit_count(cg) 一并返回 subjects/by_position/audit_records。
+def summary(cg):
+    """身份面汇总：主体数 + 位置分布（供 health / 运维审计，流式计数不载全量）。"""
+    ps = positions(cg)
+    dist = {}
+    for s in ps:
+        dist[s["position"]] = dist.get(s["position"], 0) + 1
+    return {"subjects": len(ps), "by_position": dist,
+            "audit_records": _audit_count(cg)}
+
+
+# 生效条件：无入参，恒返回 POSITION_ORDER 中每个 p 的 POSITIONS[p] 副本、INTERFACES 各值副本以及 list(SUBJECT_KIND)。
+def catalog():
+    """自描述：位置效应表 + 三接口（供 MCP / 文档对照协议验证）。"""
+    return {"positions": {p: dict(POSITIONS[p]) for p in POSITION_ORDER},
+            "interfaces": {k: dict(v) for k, v in INTERFACES.items()},
             "kinds": list(SUBJECT_KIND)}