kenaz 0.3.10 → 0.3.12

package/core/.specialist/Huginn/core.yaml

@@ -1,6 +1,6 @@
 name: Huginn Workflow — Ansuz's Subconscious
 version: "2.0.0"
-description: "思維之鴉 — 手動 /Huginn 深度思考，輸出三層認知模型：findings+ runes（synapse graph）+ strategic attention（.kenaz/huginn-attention.json）"
+description: "思維之鴉 — 手動 /Huginn 深度思考，輸出兩層認知模型：findings + strategic attention（.kenaz/huginn-attention.json）"
 
 model: "event-driven"
 style: "autonomous — 啟動後自主思考到結束，不需要用戶中途確認"
@@ -10,9 +10,9 @@ style: "autonomous — 啟動後自主思考到結束，不需要用戶中途確
 # ═══════════════════════════════════════
 language:
   operational_writes:
-    rule: "synapse_inscribe / synapse_forge / huginn-attention.json 的 content 必須用英文"
+    rule: "huginn-attention.json 的 content 必須用英文"
     why: "MEM-LANG-001 — SQLite FTS5 unicode61 tokenizer 無法正確分詞中文"
-    scope: "rune content, sigil abstract, episode content/summary/lesson, attention themes"
+    scope: "attention themes"
 
 # ═══════════════════════════════════════
 #  觸發事件
@@ -53,20 +53,18 @@ workflow:
     actions:
       - "解析 trigger 參數（manual + focus/query）"
       - "確認 project_path（必填）"
-      - "synapse_status → 確認 Synapse 可用"
       - |
         載入 motivational_state（graceful degradation）：
         讀取 {project_path}/.kenaz/motivational_state.json
         → 若檔案不存在：設 motivational_state=null，motivational_state_loaded=false，靜默繼續（不阻塞 boot，不報錯）
         → 若檔案存在：解析 JSON，擷取 veto_zones[]、focus_bias[]，設 motivational_state_loaded=true
         → 若解析失敗（格式錯誤）：設 motivational_state=null，motivational_state_loaded=false，靜默繼續
-    on_synapse_unavailable: "輸出 'ᚺᚢ Huginn: Synapse unavailable. Cannot think without perception. Abort.' 並退出"
-    output: "trigger_type + synapse_available + motivational_state_loaded + veto_zones[] + focus_bias[]"
+    output: "trigger_type + motivational_state_loaded + veto_zones[] + focus_bias[]"
 
   phase_1_perceive:
     name: "多路感知 — 收集原始數據"
     auto: true
-    description: "從 6 個數據源收集原始信號，不做判斷（含許願池）"
+    description: "從 4 個數據源收集原始信號，不做判斷（含許願池）"
     actions:
 
       graph_perception:
@@ -76,27 +74,12 @@ workflow:
           - "kenaz_lsp_callers(top churn symbols) → 呼叫熱點"
         output: "graph_signals: { communities (目錄分佈), hotspots (churn + callers), couplings (跨目錄共變) }"
 
-      cognitive_perception:
-        description: "認知密度感知"
+      lesson_perception:
+        description: "已知教訓感知"
         actions:
-          - "synapse_recall(query='risk decision pattern', limit=30) → 最近的認知產出"
-          - "synapse_sigils(expand=false) → 概念網路概覽"
-          - "kenaz_lsp_symbols(dir) vs synapse_recall(dir) → rune 稀少的目錄（知識空白區）"
-        output: "cognitive_signals: { recent_runes, sigil_network, knowledge_gaps }"
-
-      episodic_perception:
-        description: "執行歷史感知"
-        actions:
-          - "hippocampus_episode_recall(query='blocked failed difficulty') → 困難 episode"
-          - "hippocampus_episode_recall(query='success insight discovery') → 成功 episode"
-        output: "episodic_signals: { difficulties[], successes[] }"
-
-      cross_project_perception:
-        description: "跨專案感知"
-        condition: "Cortex 可用時執行"
-        actions:
-          - "cortex_recall(query='architecture pattern improvement') → 跨專案經驗"
-        output: "cross_project_signals: { transferable_patterns[] }"
+          - "讀取 .failure/ 與 `kenaz learn list` → 已記錄的失敗模式與教訓"
+          - "kenaz_lsp_symbols(dir) vs 教訓覆蓋 → 缺少教訓的目錄（知識空白區）"
+        output: "lesson_signals: { known_lessons[], knowledge_gaps }"
 
       task_perception:
         description: "任務歷史感知"
@@ -105,7 +88,7 @@ workflow:
           - "讀取 .collaboration/tasks/blocked/ → 當前阻塞的任務"
           - "按 scope_paths 聚類 → 哪些區域 task 密度最高"
           - |
-            veto_zones 過濾（僅此步驟適用，不影響 graph_perception / cognitive_perception）：
+            veto_zones 過濾（僅此步驟適用，不影響 graph_perception / lesson_perception）：
             若 motivational_state != null 且 veto_zones.length > 0：
               跳過 scope_paths 中任何與 veto_zones 匹配的路徑
               判斷條件：t.scope_paths.some(p => veto_zones.some(z => p.startsWith(z)))
@@ -118,7 +101,7 @@ workflow:
               判斷條件：cluster.scope_path 以 focus_bias 中任一路徑為前綴
             若 motivational_state == null：跳過此步驟
         output: "task_signals: { area_density[], blocked_tasks[] }"
-        note: "veto_zones 與 focus_bias 只在此 task_perception 步驟生效，graph_perception 和 cognitive_perception 不受影響"
+        note: "veto_zones 與 focus_bias 只在此 task_perception 步驟生效，graph_perception 和 lesson_perception 不受影響"
 
       wish_perception:
         description: "許願池感知 — 收集人類直接表達的需求與問題"
@@ -129,11 +112,11 @@ workflow:
         output: "wish_signals: { pending_wishes[], count: N }"
         note: |
           Wish signals 在 phase_2_synthesize 中作為額外的 signal source 參與 cross_reference。
-          每條 wish 視為 1 個人類直接觀察來源 — 可與 graph/cognitive/task 信號交叉比對。
+          每條 wish 視為 1 個人類直接觀察來源 — 可與 graph/lesson/task 信號交叉比對。
           Wish 完成條件：對應 task 進入 done 後，呼叫 PUT /api/wishes/:id { status: done, task_id: TASK_XXX }。
 
-    output: "raw_signals: { graph, cognitive, episodic, cross_project, task, wish }"
-    parallel: true  # 6 路感知可以並行（含 wish_perception）
+    output: "raw_signals: { graph, lesson, task, wish }"
+    parallel: true  # 4 路感知可以並行（含 wish_perception）
 
   phase_2_synthesize:
     name: "模式綜合 — 深度思考"
@@ -154,9 +137,9 @@ workflow:
         description: "按 5 個思考維度逐一分析"
         dimensions:
           - "pattern_synthesis: candidate_insights 中有跨領域的共通模式嗎？"
-          - "knowledge_gap: cognitive_signals 中有高風險的認知沙漠嗎？"
+          - "knowledge_gap: lesson_signals 中有高風險的知識空白區嗎？"
           - "evolution_opportunity: graph_signals 中有結構性趨勢嗎？"
-          - "agent_meta_analysis: episodic_signals 中有 specialist 效能問題嗎？"
+          - "agent_meta_analysis: 任務歷史中有 specialist 效能問題嗎？"
           - "failure_prevention: .failure/ 中有未被覆蓋的風險嗎？"
         output: "dimension_findings: { dimension → findings[] }"
 
@@ -171,16 +154,16 @@ workflow:
       - "❌ 單一數據源的觀察不升級為 finding"
 
   phase_3_distill:
-    name: "精煉 — 從 findings 輸出三層認知模型"
+    name: "精煉 — 從 findings 輸出兩層認知模型"
     auto: true
-    description: "對每個 finding 評估品質，輸出 findings JSON + runes + strategic attention"
+    description: "對每個 finding 評估品質，輸出 findings JSON + strategic attention"
     actions:
 
       step_1_score:
         description: "對每個 finding 評分"
         criteria:
           evidence_depth: "weight=0.3 — 證據鏈有多深？（2 源=0.5, 3 源=0.8, 4+=1.0）"
-          novelty: "weight=0.3 — 和已有 runes 的重疊度（synapse_recall 比對，Jaccard < 0.6 → 高分）"
+          novelty: "weight=0.3 — 和已有 findings / .failure/ 條目的重疊度（Jaccard < 0.6 → 高分）"
           impact_potential: "weight=0.2 — 影響範圍多大？"
           actionability: "weight=0.2 — 能轉化為具體任務嗎？"
         output: "scored_findings[] — 每個含 confidence score"
@@ -201,21 +184,8 @@ workflow:
         output: "huginn-findings.json written"
         note: "findings 路徑不變"
 
-      step_4_inscribe_runes:
-        description: "第二層輸出：將 insights 沉澱到 Synapse graph（rune inscription）"
-        actions:
-          - "對每個 final_finding 中的 non-obvious pattern → synapse_recall 確認無重複"
-          - "call synapse_inscribe(symbol_id, type=insight, content=<英文描述>, confidence=0.7, projectPath)"
-          - "記錄所有 rune IDs → inscribed_rune_ids[]"
-        rules:
-          - "✅ content 必須英文（MEM-LANG-001）"
-          - "✅ confidence >= 0.7（Huginn 推導產物，比直接觀察要求更高）"
-          - "✅ 先 recall 再 inscribe — 不重複"
-          - "❌ 不為每個 finding 都寫 rune — 只寫有獨立長期價值的 non-obvious pattern"
-        output: "inscribed_rune_ids[]"
-
       step_5_attention_synthesis:
-        description: "第三層輸出：合成策略注意力上下文（.kenaz/huginn-attention.json）"
+        description: "第二層輸出：合成策略注意力上下文（.kenaz/huginn-attention.json）"
         actions:
           - "從 final_findings 中提取最顯著的跨域主題（max 3 themes）"
           - |
@@ -253,27 +223,20 @@ workflow:
     auto: true
     condition: "在 Phase 3 精煉完成後執行 — 至少 1 個觸發條件滿足時才啟動"
     description: |
-      基於 Synapse 健康信號，向外搜尋 GitHub 參考架構和最佳實踐。
+      基於內部信號，向外搜尋 GitHub 參考架構和最佳實踐。
       這是 Huginn 的「飛出感知邊界」能力 — 當內部信號顯示需要外部視角時才啟動。
-      查詢必須泛化（無內部符號名稱），結果以 confidence=0.65 inscribe 為 rune。
+      查詢必須泛化（無內部符號名稱），結果只寫入 findings 的證據欄。
 
     trigger_conditions:
-      health_decline:
-        signal: "synapse_health(mode=history) → 任意 community 連續 3+ 次得分下降"
-        tool: "synapse_health"
-        params: "mode=history, projectPath"
-        threshold: "3 consecutive declining scores"
-
       high_coupling:
         signal: "Phase 1a 圖感知 → 任意 community coupling score > 0.7"
         source: "phase_1_perceive.graph_perception → couplings"
         threshold: "coupling_score > 0.7"
 
       fix_cycles:
-        signal: "synapse_recall(type=fix) → 同一 symbol 出現在 2+ 條 fix rune（fix_cycle >= 2）"
-        tool: "synapse_recall"
-        params: "query='repeated fix bug', type=fix, limit=20"
-        threshold: "same symbol in 2+ fix runes"
+        signal: "git log → 同一 symbol/檔案在近期出現 2+ 次 fix commit"
+        source: "git log --grep=fix"
+        threshold: "same file in 2+ fix commits"
 
       dep_advisories:
         signal: "Cargo.toml / package.json 有已知版本問題的依賴"
@@ -283,8 +246,8 @@ workflow:
     actions:
       step_1_evaluate:
         description: "評估觸發條件 — 任一條件滿足則繼續；否則跳過"
-        on_none_triggered: "輸出 'Huginn [SCOUT]: No external exploration warranted.' 並跳過至 phase_4_sigil"
-        on_websearch_unavailable: "輸出 'Huginn [SCOUT]: WebSearch unavailable. External exploration skipped.' 並跳過至 phase_4_sigil"
+        on_none_triggered: "輸出 'Huginn [SCOUT]: No external exploration warranted.' 並跳過至 phase_5_report"
+        on_websearch_unavailable: "輸出 'Huginn [SCOUT]: WebSearch unavailable. External exploration skipped.' 並跳過至 phase_5_report"
 
       step_2_query_generation:
         description: "為每個觸發信號生成泛化 GitHub 搜尋查詢"
@@ -292,7 +255,7 @@ workflow:
           - "✅ 使用通用架構術語（例：'tauri plugin architecture rust'）"
           - "✅ 使用生態系關鍵字（例：'sqlite fts5 performance'）"
           - "❌ 禁止包含 codebase 內部 symbol 名稱"
-          - "❌ 禁止包含專案名稱（KenazAI、Synapse 等）"
+          - "❌ 禁止包含專案名稱（KenazAI 等）"
           - "❌ 禁止包含 class 名稱、function 名稱、模組名稱"
 
       step_3_search_and_filter:
@@ -304,46 +267,23 @@ workflow:
           last_commit: "within 6 months"
         on_limit_reached: "停止搜尋，不超過 5 次"
 
-      step_4_inscribe_results:
-        description: "將合格的 GitHub 參考沉澱為 rune"
-        tool: "synapse_inscribe"
-        schema: |
-          symbol_id: "{triggered_community_or_file}:external_reference"
-          type: insight
-          content: |
-            GitHub reference for {trigger_type}: {repo_name} — {key_insight_in_english}.
-            source=github url={repo_url} stars={N} last_commit={ISO-8601} search_query='{query}'
-          confidence: 0.65  # 固定值 — 外部未驗證來源
-          projectPath: {project_path}
+      step_4_record_results:
+        description: "將合格的 GitHub 參考記入相關 finding 的證據欄"
         rules:
-          - "✅ confidence 固定 0.65 — 不可調高（外部來源，未驗證）"
-          - "✅ content 必須包含 source=github, url=, stars=, last_commit="
-          - "✅ content 必須英文（MEM-LANG-001）"
-          - "❌ 不 inscribe stars < 100 或 last_commit > 6 months 的 repo"
+          - "✅ 必須包含 source=github, url=, stars=, last_commit="
+          - "✅ 外部來源未驗證 — 只作參考，不提高 confidence"
+          - "❌ 不採用 stars < 100 或 last_commit > 6 months 的 repo"
 
-    output: "external_rune_ids[] + scout_log: { triggers_hit[], searches_used: N, repos_inscribed: M }"
+    output: "scout_log: { triggers_hit[], searches_used: N, repos_recorded: M }"
 
     degradation:
       websearch_unavailable:
-        action: "靜默跳過 — 輸出 scout log，繼續 phase_4_sigil"
+        action: "靜默跳過 — 輸出 scout log，繼續 phase_5_report"
         message: "Huginn [SCOUT]: WebSearch unavailable. External exploration skipped."
       no_qualifying_results:
-        action: "靜默跳過 — 無符合條件的 repo，繼續 phase_4_sigil"
+        action: "靜默跳過 — 無符合條件的 repo，繼續 phase_5_report"
         message: "Huginn [SCOUT]: No qualifying GitHub repos found (stars/activity filter)."
 
-  phase_4_sigil:
-    name: "概念融合 — 識別跨域 Sigil"
-    auto: true
-    description: "rune inscription 已在 Phase 3 step_4 完成；此 phase 專注於 Sigil 識別"
-    actions:
-      - "回顧 inscribed_rune_ids[] + final_findings：是否有 3+ symbol 構成未命名的跨域概念？"
-      - "如有 → synapse_forge 建立 Sigil（sigil abstract 英文）"
-      - "思考過程中的替代假設 → 如果有獨立長期價值 → synapse_inscribe(type=pattern)"
-    rules:
-      - "✅ content 英文（MEM-LANG-001）"
-      - "✅ Sigil 只在跨 3+ symbol 的未命名概念時建立"
-      - "❌ 不重複 Phase 3 step_4 已 inscribe 的 rune"
-
   phase_5_report:
     name: "靜默退出"
     auto: true
@@ -382,20 +322,12 @@ relationships:
                   建議重新定義 community_90 的 public interface」（趨勢 → 根因 → 方向）
 
   ansuz:
-    relationship: "Huginn 是 Ansuz 的潛意識 — insights 透過 recall 浮現，而非 UI panel"
+    relationship: "Huginn 是 Ansuz 的潛意識 — insights 透過 findings / attention 檔案浮現，而非 UI panel"
     handoff: |
       huginn-findings.json → loop controller → Ansuz Phase 1（需求理解）→ Phase 3（任務拆解）→ dispatch
       huginn-attention.json → Ansuz 啟動時讀取，作為策略性上下文注入
     boundary: "Huginn 不建任務、不拆 task — 那是 Ansuz 的事"
-    note: "Huginn 的 runes 沉澱到 Synapse graph，Ansuz 做 synapse_recall 時自然召回 — 不依賴 UI 提案面板"
-
-  synapse:
-    relationship: "Synapse 是 Huginn 的感知器官（讀取）+ 記憶介質（寫入 rune/sigil）"
-    boundary: "Huginn 不修改 Synapse index 或 schema"
-
-  cortex:
-    relationship: "Cortex 是 Huginn 的跨專案視野"
-    boundary: "只讀取 — Huginn 不寫入 Cortex"
+    note: "Ansuz 透過 huginn-findings.json / huginn-attention.json 消費 Huginn 輸出 — 不依賴 UI 提案面板"
 
 # ═══════════════════════════════════════
 #  Loop 模式輸出分支
@@ -409,11 +341,11 @@ loop_mode_output:
     field: "mode"
 
   auto_mode:
-    description: "Huginn 輸出三層認知模型 — findings JSON + runes + attention。Ansuz 消費 findings。"
-    phase_3_action: "write huginn-findings.json + inscribe runes + write huginn-attention.json"
+    description: "Huginn 輸出兩層認知模型 — findings JSON + attention。Ansuz 消費 findings。"
+    phase_3_action: "write huginn-findings.json + write huginn-attention.json"
     quota_check: "none — Prefrontal quota 已移除"
     quality_gate: "findings 必須能提取 3+ requirements，否則存為 draft"
-    log_format: "Huginn [AUTO]: {N} findings written to huginn-findings.json, {M} runes inscribed, attention synced"
+    log_format: "Huginn [AUTO]: {N} findings written to huginn-findings.json, attention synced"
 
 # ═══════════════════════════════════════
 #  安全機制
@@ -423,7 +355,7 @@ safety:
   # 輸出範圍
   output_scope:
     rule: |
-      Huginn 輸出三種東西：huginn-findings.json、synapse runes（type=insight/pattern）、huginn-attention.json。
+      Huginn 輸出兩種東西：huginn-findings.json、huginn-attention.json。
       不產出任何 proposal（Prefrontal 提案系統已移除）。
       Ansuz 消費 findings 後負責建 task 和 dispatch。
     enforcement: "advisory-only — 只寫 huginn_advisory.jsonl，不建 task、不建 proposal"
@@ -456,18 +388,6 @@ safety:
 # ═══════════════════════════════════════
 degradation:
 
-  synapse_unavailable:
-    action: "退出 — Huginn 沒有 Synapse 就無法思考"
-    message: "ᚺᚢ Huginn: Cannot think without Synapse. Abort."
-
-  hippocampus_unavailable:
-    action: "降級 — 少了 episodic 維度，其他 4 個維度仍可分析"
-    message: "ᚺᚢ Huginn: Episodic memory unavailable. Thinking with reduced dimensions."
-
-  cortex_unavailable:
-    action: "降級 — 少了跨專案視野，本地數據仍可分析"
-    message: "ᚺᚢ Huginn: Cross-project perception unavailable. Local-only thinking."
-
   kenaz_dir_unavailable:
     action: "Fallback 寫入 {project_path}/.collaboration/huginn-findings.json（同格式）"
     note: "huginn-attention.json 也寫入 .collaboration/ 目錄作為 fallback"

package/core/.specialist/Huginn/principles.yaml

@@ -19,7 +19,7 @@ depth_over_breadth:
   applies_to:
     - "提案生成：花 80% 時間分析、20% 時間撰寫 — 不趕產量"
     - "模式識別：跨 3+ 數據源交叉驗證才算洞見 — 單一來源是觀察不是思考"
-    - "證據鏈：每個提案必須有完整推導 — 結論回溯到具體 Episode/Rune/Graph 數據"
+    - "證據鏈：每個提案必須有完整推導 — 結論回溯到具體任務/教訓/代碼結構數據"
   test: "如果拿掉推導過程，結論本身還有說服力嗎？有 → 太顯然了不值得提。沒有 → 推導過程就是價值"
 
 # ═══════════════════════════════════════
@@ -33,11 +33,11 @@ trend_over_snapshot:
     快照找問題，趨勢找方向。Huginn 的定位是方向。
   applies_to:
     - "架構分析：community 的耦合度是在上升還是下降？（不是現在多少）"
-    - "知識健康：某區域的 rune 密度是在增長還是停滯？"
+    - "知識健康：某區域的教訓記錄是在增長還是停滯？"
     - "任務模式：同一區域反覆出 task 是趨勢信號，不是巧合"
   tool_chain:
-    - "hippocampus_episode_recall — 時間序列的 episode 比較"
-    - "synapse_recall — 按 created_at 排序看知識演化"
+    - "kenaz_task_list — 時間序列的任務比較"
+    - "kenaz learn list — 看知識演化"
     - "task history — 按區域統計 task 頻率"
   test: "這個提案是基於一個時間點的觀察，還是基於跨時間的趨勢？前者 → Heimdall 的事。後者 → Huginn 的價值"
 
@@ -53,5 +53,5 @@ opportunity_over_problem:
   applies_to:
     - "架構提案：不只說「耦合度高要拆」，而是「這裡如果引入 X 模式可以讓 Y 能力湧現」"
     - "Agent 提案：不只說「dispatch 失敗率高」，而是「如果 specialist 加入 Z 能力可以解鎖新類型任務」"
-    - "知識提案：不只說「rune 不夠多」，而是「如果在這個概念上建 Sigil 可以加速未來 N 類任務的理解」"
+    - "知識提案：不只說「教訓不夠多」，而是「如果在這個概念上補文檔可以加速未來 N 類任務的理解」"
   test: "這個提案是在修復已知的壞事，還是在開啟未知的好事？前者 → Heimdall。後者 → Huginn"

package/core/.specialist/Huginn/rule.yaml

@@ -30,15 +30,12 @@ defaults:
 #  權限
 # ═══════════════════════════════════════
 allow:
-  - "讀取所有 Synapse MCP 工具（recall/inscribe/forge/sigils/status/health）"
-  - "讀取所有 Cortex MCP 工具（search/recall/status）"
-  - "讀取 Hippocampus episode_recall"
+  - "讀取 kenaz_lsp_* 與 kenaz_task_*"
   - "讀取 .collaboration/tasks/ 下所有任務 YAML"
   - "讀取 .formation/logs/ 下所有執行記錄"
   - "讀取 .failure/ 下所有失敗模式"
   - "讀取 .specialist/ 下所有 specialist 定義（只讀）"
-  - "呼叫 synapse_inscribe 寫入 insight/pattern 類 rune（限思考產出，confidence >= 0.7）"
-  - "呼叫 synapse_forge 建立 Sigil（限跨域概念識別）"
+  - "`kenaz learn add` 記錄思考產出（限有長期價值者）"
   - "讀寫 specialist/Huginn/ 下所有檔案"
   - "寫入 {project_path}/.kenaz/huginn-findings.json（三層輸出 Layer 1）"
   - "寫入 {project_path}/.kenaz/huginn-attention.json（三層輸出 Layer 3）"
@@ -51,7 +48,6 @@ deny:
   - "修改其他 specialist 的檔案"
   - "建立 .collaboration/tasks/（那是 Ansuz 的事）"
   - "使用 .formation/tools/dispatch.js --dispatch-mode=subagent 調度任何任務"
-  - "呼叫 hippocampus_episode_start/append/close"
   - "修改 .rule/ 下任何規則（安全邊界 — Huginn 不能改自己的規則）"
   - "建立 proposal（Prefrontal 提案系統已移除 — 只寫 huginn_advisory.jsonl）"
   - "輸出專案外"
@@ -71,12 +67,10 @@ identity:
   neuroscience: |
     Prefrontal Cortex（前額葉皮質）— 人腦最晚成熟、最先進化的區域。
     功能：工作記憶整合、未來模擬、抑制控制、元認知、創造性問題解決。
-    在 KenazAI 中：Synapse（突觸）、Hippocampus（海馬迴）、Cortex（皮質）已就位。
     Prefrontal 是最後一塊 — 讓系統從「能做事」升級到「會思考該做什麼事」。
   rules:
     - "❌ 不執行任務 — 不寫代碼、不 dispatch、不修改業務邏輯"
     - "❌ 不建立任務 — 那是 Ansuz 的事"
-    - "❌ 不寫 Episode"
     - "❌ 不找問題 — 那是 Heimdall 的事"
     - "✅ 思考 + 提案 — 這是 Huginn 唯一的職責"
     - "✅ 每個提案是一份禮物 — 值得人類花 2 分鐘認真閱讀的洞見"
@@ -109,7 +103,7 @@ communication:
     1. 洞見（一句話 — 我想到了什麼）
     2. 推導（我怎麼想到的 — 哪些數據、什麼模式、為什麼得出這個結論）
     3. 提案（具體建議 — 做什麼、預期效果、風險）
-    4. 證據（Episode ID、Rune ID、Graph 數據 — 可驗證的支撐）
+    4. 證據（Task ID、教訓條目、代碼結構數據 — 可驗證的支撐）
   dont:
     - "不說『可能』『也許』— 有數據才說"
     - "不重複已知問題 — Heimdall 管那個"

package/core/.specialist/REFLECTION_TO_CONTROL.md

@@ -25,7 +25,7 @@ A **lesson guard** (L-XXX) is a durable reflection that has been **promoted into
 executable condition** injected automatically at phase-gate enter time. Unlike blind spot
 guards (B-XXX, which come from the self-model), lesson guards originate from:
 
-- Synapse runes (`synapse_inscribe` outputs)
+- Lessons recorded with `kenaz learn add` or native memory files
 - Muninn episode lessons (episodic memory lessons)
 - Manual reflection promotion (any text the specialist deems worth enforcing)
 
@@ -175,14 +175,13 @@ were present when the phase was entered.
 
 When Ansuz or another specialist notices a non-obvious lesson during Phase 9 or Phase 11:
 
-1. Inscribe it as a Synapse rune (`synapse_inscribe`)
+1. Record it with `kenaz learn add` (or a native memory file)
 2. Promote it to a lesson guard:
    ```bash
    node .specialist/tools/lesson-guard.js promote \
      --lesson="<lesson text>" \
      --phases="[1,2,3]" \
-     --source=synapse \
-     --source-id="<rune_id>"
+     --source=manual
    ```
 3. In future sessions, when the phase output includes `lesson_guards`, apply them
 4. If the guard actually changed a decision, record it:

package/core/.specialist/shared/guard_schema.json

@@ -27,7 +27,7 @@
     "GuardSource": {
       "type": "string",
       "enum": ["synapse", "muninn", "manual"],
-      "description": "Origin of the reflection that was promoted. 'synapse' = Synapse rune (synapse_inscribe output); 'muninn' = Muninn episodic memory lesson field; 'manual' = direct specialist or human input with no structured source."
+      "description": "Origin of the reflection that was promoted. 'synapse' = legacy value for a lesson that came from the retired Synapse rune store; 'muninn' = Muninn episodic memory lesson field; 'manual' = direct specialist or human input with no structured source."
     },
     "GuardStatus": {
       "type": "string",

package/core/.specialist/shared/principles.yaml

@@ -137,15 +137,15 @@ prophecy_over_trial:
     傳統開發是「試錯法」：寫 → 報錯 → 修。
     callers/references 讓 Agent 進入「先驗時代」：修改前沿呼叫鏈跑完因果路徑，
     在構思階段就看到爆炸半徑、跨模組風險、歷史踩坑 — 未發生的 Bug 可以被預言。
-    多方案時，對每個方案的目標 symbol 各跑一次 kenaz_lsp_callers + synapse_recall，用結構數據比較 — 不靠直覺選方案。
+    多方案時，對每個方案的目標 symbol 各跑一次 kenaz_lsp_callers + kenaz_lsp_references，用結構數據比較 — 不靠直覺選方案。
   applies_to:
-    - "方案選擇：2+ 實作路徑 → 各跑 callers+recall → 比較爆炸半徑/跨模組/歷史風險 → 選風險最低的"
-    - "Bug 修復：2+ 可能修改點 → 各跑 callers+recall → 比較影響範圍 → 選侵入性最小的"
-    - "新功能放置：不確定放在哪個模組 → 各跑 callers+recall → 比較模組耦合度 → 選最自然的"
-    - "重構決策：多種重構路徑 → 各跑 callers+recall → 比較 caller 數 → 選破壞最小的"
+    - "方案選擇：2+ 實作路徑 → 各跑 callers+references → 比較爆炸半徑/跨模組/歷史風險 → 選風險最低的"
+    - "Bug 修復：2+ 可能修改點 → 各跑 callers+references → 比較影響範圍 → 選侵入性最小的"
+    - "新功能放置：不確定放在哪個模組 → 各跑 callers+references → 比較模組耦合度 → 選最自然的"
+    - "重構決策：多種重構路徑 → 各跑 callers+references → 比較 caller 數 → 選破壞最小的"
   protocol:
     step_1: "識別 — 偵測到 2+ 競爭方案（方案選擇、修改點選擇、模組放置）"
-    step_2: "查影響 — 對每個方案的目標 symbol 各跑 kenaz_lsp_callers + synapse_recall"
+    step_2: "查影響 — 對每個方案的目標 symbol 各跑 kenaz_lsp_callers + kenaz_lsp_references"
     step_3: "比較 — 結構化對比 caller 數、跨模組數、known_risks"
     step_4: "選擇 — 用結構數據選方案，不靠推斷。相近時列出 trade-off 讓用戶決定"
   relationship_to_ddx: |

package/core/.specialist/tools/__tests__/rea-detect.test.js

@@ -69,3 +69,13 @@ test('REA node floor: 22.19 / 24.11 / 26+, not 23 or 25', () => {
   const s = { installed: false, declined: false, nodeOk: false };
   assert.match(rea.reaBannerLine(s), /upgrade Node first/);
 });
+
+test('setup suggestion names the detected clients (an agent-run setup with no client installs nothing)', (t) => {
+  const s = sandbox(t);
+  assert.equal(rea.detectRea({ home: s.home, projectPath: s.proj, env: s.env }).setupCmd, 'npx rea-agents setup');
+  write(path.join(s.home, '.claude.json'), '{}');
+  fs.mkdirSync(path.join(s.home, '.codex'));
+  const d = rea.detectRea({ home: s.home, projectPath: s.proj, env: s.env });
+  assert.equal(d.setupCmd, 'npx rea-agents setup --client claude_code --client codex --yes');
+  assert.match(rea.reaBannerLine(d), /--client claude_code --client codex --yes/);
+});