Cortex OS

给 AI Agent 装上长期记忆和认知能力——让它能记住、能复盘、能学习、能进化。

---

你的 AI 工具有这些问题吗？

换个对话就失忆。 昨天折腾半天搞定了服务器部署，今天开新对话问同样的事，它又从头搜一遍文档。

多个 AI 工具各记各的。 上午用 Claude 讨论技术方案，下午换 Codex 写代码，它完全不知道你们上午聊过什么。

复杂任务跑着跑着就乱了。 让它帮你收集材料办个手续，填了三四轮之后它忘了你身份证号多少、还差哪些文件没传。

每个工具都得重新教一遍。 你在一个工具里说"别用那个库"、"测试必须跑全量"，换另一个工具又得从零开始。

偏好说一百遍也记不住。 "我上次就说了用 React 不要用 Vue"——每次都要纠正。

多步骤任务跑着跑着就偏了。 让它帮你收集材料办个手续，填了三四轮之后它忘了你身份证号多少、还差哪些文件没传，上下文越跑越乱。

Cortex OS 解决这些问题。

---

它做了什么

记住所有对话，永不遗忘。 每次交互自动抓取关键信息存下来，下次自动帮你回忆，不用重复说。

Claude、Codex、Hermes 共享同一份记忆。 不管你在哪个工具里说过的话、做过的决策，其他工具都能继承。

技能跨工具融合进化。 你在一个 Agent 配好的 Skill，导入后自动检测冲突、合并同类项、组合出新技能。所有 Agent 的 Skill 可跨工具导入、融合、进化。

自动学你的习惯。 "不喜欢 Vue"、"偏好 Docker 部署"、"API key 是 xxx"——这些偏好自动提炼成规则，越用越聪明。

上下文管理不怕长任务。 多步骤任务自动追踪到哪一步、还差什么。填错了能回退，上下文一直保持紧凑不膨胀。

---

效果对比

	没用 Cortex OS	用了 Cortex OS
跨对话记忆	每次从零开始	自动召回历史信息
多 Agent	各记各的，信息孤岛	共享同一份记忆
复杂任务	容易偏，容易忘	步骤追踪，填错可回退
上下文管理	窗口膨胀，越跑越乱	三段式组装，始终紧凑
偏好学习	每次重新纠正	自动提炼，越用越准
Skill	每个工具重配，各自为战	跨工具导入、冲突检测、融合进化

---

快速试试

pip install cortex-os

from core import MemoryService

ms = MemoryService("store.db")

ms.record("我用 RTX 5060，8GB 显存")
ms.recall("RTX")  # → ["[记忆] 我用 RTX 5060，8GB 显存"]

多步骤任务：

ms.init_session("办证", initial_step="身份核验")
ms.update_state("办证", fields={"name": "张三", "id": "310xxx"})
ms.update_state("办证", step="材料上传", add_actions=["需上传身份证照片"])

ctx = ms.assemble_context("办证", "上传材料")
# Agent 收到完整上下文：走到哪步、还差什么

---

安装

pip install cortex-os              # 核心引擎，零外部依赖
pip install cortex-os[mcp]         # 含 MCP Server

启动

python -m adapters.mcp_server                    # stdio 模式
python -m adapters.mcp_server --transport http   # HTTP 模式

Docker 也行：

docker compose --profile core up memory-service -d

接入 Agent

启动后告诉你的 AI 工具连 http://localhost:8765/sse 就行。MCP 配置模板在 adapters/mcp.json。

或者直接复制这段话给你的 Agent，让它自己配：

帮我把 Cortex OS 的记忆服务接进来。这是一个 MCP Server，地址是 http://localhost:8765/sse，配置模板在 adapters/mcp.json。你按这个格式配到你的 MCP 设置里。

配置（可选，不配也能用）

llm_endpoint: https://api.openai.com/v1/chat/completions
llm_model: gpt-4o
llm_api_key: sk-xxx
embedding_endpoint: http://localhost:8080/v1/embeddings
embedding_model: bge-large-zh-v1.5

配了 LLM 会自动做记忆整合和冲突裁决；不配就用内置规则，照样能跑。

---

API 一览

你能做什么	方法
记录对话	record(text)
搜索记忆	recall(query)
组装上下文	assemble_context(session, query)
追踪任务进度	init_session(id) update_state(...) rollback_state(id)
导入历史	import_history(id, messages)
管理技能	skill_add(name, desc) skill_list() skill_merge(ids)
导入 Agent Skill	skill_import_claude(dir) skill_import_codex(path) skill_import_hermes(dir)
查看知识图谱	export_graph_html(path)
导出笔记	export_markdown(dir)

全部 MCP 工具（18 个）详见 adapters/ 目录。

---

项目结构

core/        14 个模块：记忆 / 召回 / 巩固 / 状态 / 上下文 / 技能 / 可视化
adapters/    MCP Server + Agent 配置模板
tests/       156 项测试全覆盖

零外部依赖，Python 标准库即可运行。