Omni Context

Omni-Context

English · 简体中文

为长期运行的 AI Agent 提供以证据为依据的决策控制。 本地优先、经回读验证，并由你掌控。

下载 Windows 版 · 当前状态 · 产品介绍页

产品基线状态 — product/omni-v3-unified-r1 是 Goal 23.5 仓库整合期间并入 main 的历史工程基线；main 现为稳定的开发分支。工程起点 17dc1d0 并非官方冻结的实验产品：原始 Targeted-7 门槛未通过，当前选择器也没有正式的性能证明。请参阅 docs/PRODUCT-BASELINE.md 和 docs/tag-remediation-proposal.md。

---

什么是 Omni-Context

Omni-Context 为长期运行的 AI Agent 提供以证据为依据的决策控制。

在 Agent 采取行动前确认其依据的证据， 让执行与为其提供正当理由的决策绑定， 随后回读现实状况，并在现实与预期不符时重新打开决策。

判断循环：

Qualify → Bind → Read-back → Reopen

Agent 已经可以采取行动——编写代码、创建问题、运行命令。但记忆不是证据 （Agent 记得的内容是一种主张，而非经验证的事实），而且工具调用成功不代表结果属实 （退出代码 0 并不能说明现实是否真的如你所愿发生了变化）。 Omni-Context 弥合这一差距：在采取行动前确认其依据的证据，将执行与为其提供正当理由的确切决策绑定，之后回读现实状况，并在现实与预期不符时重新打开决策。

• 记忆和知识图谱构成长久的证据基础——它们回答“Agent 知道什么”。它们是产品的核心组成部分，已重新置于判断循环的底层，而非被删除。
• MCP 是一种接口形式，而非产品本身。
• 桌面应用是人工控制界面：检查、批准、审计并重新打开决策。

阅读完整论述：docs/goal24/narrative/thesis-note.en.md · 产品愿景：docs/PRODUCT-VISION.md

---

当前状态

能力状态严格使用三个标签：CURRENTLY_VERIFIED（当前面向用户提供）， TARGET（目标架构），FUTURE（计划中）。“已在开发分支上通过运行时验证” 不等同于“当前可用”。治理相关表述已在 docs/PRODUCT-VISION.md（§ 14）中冻结。

A. 当前面向用户提供 — 现已可用

• 持久化本地记忆 — 默认使用你磁盘上的 SQLite；无需账户
• 包含实体、关系和核心原则的知识图谱
• 混合检索（全文 + 向量 + 图遍历）
• 感知时间与来源信息的上下文
• 包含原则、先例和冲突的决策上下文
• 已保存的决策、决策沿袭和结果记录
• MCP 集成 — 26 个工具，统计依据为 mcp_tool_manifest.json
• 桌面捕获 / 本地桌面应用（通过 GitHub Releases 提供 Windows 安装程序）

B. 已验证开发分支运行时（CP3–CP8 内部关卡）

正在 dev/goal24-cli-skills 上积极开发。以下每项都有工程关卡证据，但尚无公开调用入口——这些功能已在开发分支上通过运行时验证，并非“当前即可使用”：

组件	关卡证据
受限执行代理（启动/终止/超时、隔离、输出上限）	checkpoint3-security-gate.json — PASS
GitHub 只读 CLI 适配器（5 项语义能力、固定可执行文件、零写入绑定）	checkpoint4-security-gate.json — PASS
Skills 注册表 + 导入器（默认隔离、完整性已验证）	checkpoint5-security-gate.json — PASS
证据资格审查 + 接口防护（由服务端负责资格判定、封堵伪造覆盖）	checkpoint6-security-gate.json — PASS
审批绑定 + 风险策略（一次性授权、防重放）	checkpoint7-security-gate.json — PASS
结果回读 + 确定性评估器（可信解析器、跨语言状态/观测向量）	checkpoint8-security-gate.json — PASS（满足 DRG1 前置条件）
真实、非合成的端到端测试：针对真实 GitHub，闭环完成一次需审批的 GitHub issue 关闭，并进行独立回读（退出码 0 => PENDING => 回读为 CLOSED => VERIFIED）	drg2-authoritative-gate.json — PASS（满足 DRG2）

CP8 全套测试证据：Brain 1279 项通过 / 0 项失败；Rust 206 项通过 / 0 项失败 / 7 项忽略； 跨语言向量 26 个（状态）+ 35 个（观测），0 个不匹配。

CP8 后的真实端到端测试（已在开发分支验证）： 已针对真实 GitHub，演示了一个真实、非合成、需审批的 GitHub issue 关闭闭环端到端流程，并进行了独立回读。退出码 0 未被视为成功——结果一直保持为 PENDING，直到可信的 github.issue.read 回读观察到 CLOSED，且确定性评估器返回 VERIFIED。这是内部运行时证据：目前没有公开的 CLI 功能支持 GitHub 自动化。参见 docs/goal24/real-e2e/authoritative-real-e2e-proof.json。

C. 内部控制 / 未来计划 — 尚未发布

• omctx CLI（ask / inspect / approve / verify / history）—— CURRENTLY_VERIFIED_INTERNAL。approve 和 verify 需要使用独立的短时有效 Desktop 控制会话；它们绝不会启动执行、重试写入或回滚。该软件包仍为私有，不提供 npm 用户安装。 参见 docs/goal24/narrative/cli-product-surface.md。
• omctx reopen 用户体验 — FUTURE（尚未实现运行时）。
• 外部记忆适配器（例如 MindMemOS、basic-memory）— FUTURE，通过 EvidenceProvider Adapter → 资格审查 → Evidence Guard 实现。外部记忆本身永远不会成为证据权威。
• 多运行时适配器（例如 OpenClaw、NemoClaw、Claude Code）— FUTURE，仅用于传输能力；运行时永远不会获得决策、审批或结果权威。

DRG v2：现在已有一个真实、非合成且用户易于理解的端到端流程，并已通过验证 （参见上方 CP8 后表格行，以及 docs/goal24/real-e2e/authoritative-real-e2e-proof.json）。 公开能力声明仍严格限定于仓库和关卡证据所支持的内容；其他内容均明确标注为 TARGET / FUTURE / DESIGNED TO。Omni 旨在 位于异构记忆/证据源与异构 Agent 运行时之间——目前并未声称支持任何记忆 OS 或任何运行时。

---

工作原理

Evidence acquisition (capture / browser extension / desktop capture / imports)
       ↓
Evidence Substrate (local knowledge graph + memory + retrieval)
       ↓
Judgment / Authority Core (qualify → decide → approve)
       ↓
Controlled Execution (restricted broker → capability adapters)
       ↓
Read-back → Outcome → Reopen / Revision

1. 捕获 — 截屏、拖入文件、剪辑网页，或按下实体按钮。任何方式都可以。
2. 提取 — OCR + LLM 流水线会将实体、关系和原则提取到本地知识图谱中。
3. 评估并决策 — 证据评估门槛会判断记忆的信息是否足够可信，能否立即用于行动。
4. 执行并验证 — 获批的语义能力通过受限代理运行，随后读取外部状态，并与决策依据中的预期进行比较。

---

与众不同之处

• 不是笔记应用 — 而是一个决策控制层。工具无需自带记忆系统；它们共享同一个证据基础和权威核心。
• 本地优先，并明确划定网络边界 — 默认情况下，记忆数据库保留在你的设备上。如果你配置了远程／云端模型，系统只会向相应服务提供商发送该操作所需的请求（其中可能包含相关摘录），并可能产生相应费用。Omni 不会自动上传整个数据库。
• 不局限于单一 AI — 目前基于 MCP；MCP 客户端共享同一份记忆。MCP 是一种接口，而非产品本身。
• 主动，而非被动 — Agent 会扫描你的知识图谱，寻找你已忘记的关联并将其呈现出来。
• 质疑你的想法 — 盲点检测会找出你遗漏的内容。反共识洞见会挑战你的假设。

---

工具

当前 MCP 接口提供 26 个工具，按功能分组。规范数量由 mcp_tool_manifest.json生成。

决策与检索 —「大脑」

• get_decision_context — 根据某种情境，一次调用即可返回相关原则、先例、冲突和图谱邻域
• unified_memory_search — 通过一次自然语言查询进行三层融合搜索（全文 + 向量 + 图遍历）
• vector_search — 纯语义向量搜索；即使措辞不同，也能找到概念相似的实体
• ask_memory — 提出问题，获取以你的知识图谱为依据的综合回答
• graph_answer — 基于知识图谱的问答，并引用来源实体
• search_entities — 按名称／描述关键词查找实体
• get_core_context — 获取与某个主题相关的核心原则（若未提供主题，则返回精简概览）
• get_entity — 按 ID 获取某个实体的完整信息及其所有关系
• get_graph_neighborhood — 获取某个实体周围 N 跳范围内的子图
• list_entities — 列出实体，可按类型筛选

捕获与写入 — 扩展记忆

• record_capture — 存储捕获快照（截屏／剪贴板／文本）
• extract_from_capture — 从一段文本中自动提取实体 + 关系 + 原则
• add_entity — 创建新实体
• add_relationship — 关联两个现有实体
• update_entity — 修改实体的名称／描述／标签／元数据
• set_core_principle — 记录或更新核心原则

决策流水线 — 沉淀思考

• save_conclusion — 保存值得记住的结论
• save_decision — 记录决策及其情境和推理过程
• analyze_decision — 分析决策的一致性及潜在冲突
• discuss_decision — 从多个角度探讨决策
• get_decision_lineage — 追踪决策随时间的演变过程
• record_decision_outcome — 为已保存的决策记录观察到的结果（校准、经验教训、后续事项）

图谱维护

• merge_entities — 将重复实体合并为一个
• delete_entity — 删除实体
• get_stats — 实体／关系数量及类型分布
• get_decay_report — 查看哪些记忆已超过衰减阈值（待清理项）

完整参数架构请参阅 docs/MCP-INTEGRATION.md。

---

安装

Windows

Windows Alpha 格式为 NSIS（Omni-Context_<version>_x64-setup.exe）。目前没有获准用于外部试用的安装程序；请勿将 Releases/latest 视为 Alpha 资源。 单独的试用版本获批后，请在安装前核验其确切的 SHA-256 和源代码提交。 未签名的候选版本可能会显示 SmartScreen 未知发布者警告；请勿禁用 Defender 或 SmartScreen。有关数据、备份和卸载指南，请参阅 Windows Alpha 安装与隐私指南。

macOS / Linux

构建脚本已准备就绪。欢迎拥有相关硬件的社区贡献者提交拉取请求。

从源代码构建

git clone https://github.com/guo6x/Omni-context.git
cd Omni-context
npm run install:all
npm run package

今天没有可供安装的 omctx npm 包——它是一个目标。命名和注册表状态：docs/goal24/narrative/naming-audit.json。

---

为什么不能只靠记忆？为什么不能只靠可观测性？为什么不使用通用运行时？

• 只靠记忆可以记住信息，却无法判断哪些记忆仍足够可信，能够据此采取行动。Omni 会在行动前评定证据。
• 只靠可观测性可以事后告诉你发生了什么，却无法让执行受决策约束，也不会拒绝不当操作。Omni 会在执行前和执行期间进行约束与把关，然后验证结果。
• 通用 Agent 运行时会快速执行收到的任何指令。Omni 的执行接口只承载获准的语义能力，绝不会将自由形式的意图转换为任意 shell 命令。

---

社区

• 问题 — Bug、功能请求
• 讨论 — 想法、问答
• 贡献指南 — 开发环境设置、架构概览

---

MIT 许可证。掌握判断历史——尤其是那些被现实证明错误的决策。