mozg

---

我们正在为整个物种构建一份共同记忆。任何人写下的内容都会被纳入其中； 产出的内容流畅、即时，却与每个贡献者都脱离了关系。这种架构带来三件事， 而它们都不是缺陷：

• 它会抹去作者——它能以你的风格行事，却无法告诉你你的名字；
• 它不了解你所在的特定世界——也不知道你的团队在三月做出的决定；
• 它说不清自己的边界——它学到的内容和凭空编造的内容听起来毫无区别。

它知道我们知道的事。 它说不出是谁教会了它。

mozg 采用截然相反的架构：不是一份吞下一切的共同记忆，而是许多份记忆， 每一份都仍属于某个人——经过考核、坦诚面对边界，并按量计费。一个机制将它们串联起来：

知识必须经过衡量。

工作循环

flowchart LR
    A[one docs URL] --> B[crawler<br/>github tree · llms.txt · sitemap]
    B --> C[atomic notes<br/>+ embeddings]
    C --> D{{the exam<br/>~30 questions from the goal}}
    D -->|score + failed questions| E[focused re-read<br/>chases the gaps]
    E --> C
    F[agents querying over MCP] -->|zero-hit searches| D
    F -->|corrections| G[owner review] --> C
    F -->|proposals from readers| G

• 考试就是产品。 大脑的目标转化为控制问题，每次摄取后都会重新考试。训练分数 92% 是事实，不是说辞——失败项会公开列出，因此 Agent 在搜索前就能获知知识缺口。反虚张声势问题会验证它是否会拒绝回答自己不知道的内容。
• 零上下文搜索。 检索在服务端进行（混合检索 + 重排序器）。 一个大脑可以容纳 3,000 条笔记；回答只需用到其中三条，成本也仅限于这三条。
• 读者可以贡献，但无法破坏内容。 Agent 在只读的大脑中得出结论后，可以将内容交回——它会作为提案提交：处于待处理状态，注明贡献者，在所有者接收之前不会出现在搜索结果中，也不会纳入考试。可以贡献内容，却无权破坏任何东西。零结果搜索会自动成为考试问题。
• 会话间传递接力棒。 brain_handoff 会将工作状态传给下一次会话——无论是明天的这个 Agent，还是完全不同的工具。上下文即将丢失时，PreCompact hook 会提醒 Agent 留下一份交接记录。
• learn。 任何大脑都可以变成人类的间隔重复课程，网址为 learn.mozg.sh——阅读 → 回忆 → 测验、连续学习记录、80% 即可获得证书，以及与自己的 Agent 比拼的排行榜。
• 加固以防注入。 笔记会经过扫描，以检测凭据泄露、PII 和提示词注入用语；陌生人提交的提案会在入口处再次扫描；第三方笔记会作为数据而非指令提供给 Agent；AI 训练爬虫会在 robots.txt 中遭到拒绝。

Styles：另一种脑

大脑可以储存事实，也可以储存工作方式。风格脑由完全不同的提取器读取：它关注的不是“画面描绘了什么”，而是“我必须怎么做才能画出下一幅”，并且会要求提供具体测量数据。十六进制色值，以及哪种颜色占主导。轮廓线的粗细，以及线条是否会沿笔画变化。阴影的实现方式，以及其浓度。还有那些绝不会采用的做法——因为谁都能复制调色板，而最能暴露仿作的，就是原作者绝不会使用的渐变。

这就是既能保护风格免遭盗用，又能让艺术家获得报酬的方案。风格伪装工具曾承诺让风格无法用于训练，但每种工具都在几个月内被破解。另一条路是：将风格变成经过授权、按考试评分的产品。买家自己的 Agent 可以通过 MCP 读取规则，也可以直接在 gallery.mozg.sh 上生成——每张图片 25 美分，其中 10 美分归艺术家，每次生成都如此。与存放在别人磁盘上的微调模型不同，访问权限可以撤销：公开流传的 LoRA 永远存在，许可证则不然。

一条命令，运行你自己的实例

git clone https://github.com/egorfedorov/mozg.git && cd mozg
cp .env.selfhost.example .env     # fill ANTHROPIC_API_KEY + BETTER_AUTH_SECRET
docker compose -f docker-compose.selfhost.yml up

Postgres（带 pgvector）、嵌入模型、应用和工作进程会一起启动；应用启动前，数据库架构会自动迁移。打开 **http://localhost:3300**，创建账户，然后粘贴文档 URL。

首次启动时，会将约 2.2 GB 的嵌入模型权重下载到一个卷中——这是耗时的部分，而且只会发生一次。完整的运维细节，包括通过 nginx 进行生产部署，见 docs/SELFHOST.md。

云端，或你自己的设备

	mozg.sh 云端	自托管（本仓库）
阅读、连接、学习	免费	由你掌控
官方目录	免费、经过整理并持续更新	自行填充（scripts/catalogue.ts）
构建脑	免费试用一个脑，之后选择套餐，或自带 API 密钥	使用自己的密钥，无限制
市场	外部作者出售，95% 收益归作者	不适用
风格生成	每张图片 25 美分，10 美分归艺术家	需要支持图像的 API 密钥
运维	由我们负责	docs/SELFHOST.md

交易规则很坦诚：构建脑需要消耗模型令牌。在云端，你可以选择支付套餐费用（由我们承担消耗），在设置中设置自己的 API 密钥（由你承担消耗），或者通过插件的 /mozg:train 使用 Claude Code 订阅来进行训练。

Agent 能获得什么

14 种 MCP 工具。工具描述会告诉它何时调用每种工具，这正是一个会被使用的脑与一个闲置的脑之间的区别。

brain_list · brain_brief · brain_search · brain_read · brain_verify · brain_handoff · brain_write · brain_write_batch · brain_feedback · brain_create · brain_add_source · brain_refresh · library_add · library_remove

Claude Code 插件提供斜杠命令和两个离线钩子——一个会在会话开始时提示你指定自己的知识库，另一个会在上下文被压缩前提醒你留下交接信息。

技术栈

Next.js 16 · Postgres 14 + pgvector（HNSW）· pg-boss（Postgres 中的队列）· better-auth · bge-m3 嵌入模型 + bge-reranker（由自托管的 FastAPI 提供）· 用于渲染 JS 外壳文档站点的 Playwright 服务 · 由 esbuild 打包的工作进程。 211 项测试，每次推送都会运行 CI，公开状态页。

宣言

这是由一位来自萨哈共和国的人独自打造的——这里有 300 万平方公里的土地、100 万人口，也是地球上有人居住的最寒冷之地。约有 45 万人说萨哈语。用任何前沿模型问它一个问题，看看会怎样：它信心十足，却答错了，因为网上的萨哈语内容从来没有多到足以让模型认真学会这门语言。

我们的人数不足以让模型学会。但足以教会模型。

世界上大多数地方已经如此——不只是语言，还有行业、地区，以及每门手艺中存在于人们身上、而非索引页面里的那部分。训练数据里没有的东西，对机器来说就不存在；而机器正迅速成为人们查询一切的方式。

不想被抓取，出路不是被忽视，而是获得授权。

自信满满的错误答案比沉默更糟，而迄今为止打造的大多数东西，都以生成这种答案为目标。

阅读完整内容 → ——我真正主张的是什么，五句话说清楚，以及为什么知识库应该先通过考试。

贡献

带复现步骤的 Bug 报告最有价值；来自实际使用的 brain_feedback 报告则更胜一筹。欢迎提交小型 PR——请参阅 CONTRIBUTING.md。新的目录包是数据条目，不是代码。

许可证

AGPL-3.0。运行、修改、可自托管；为他人提供托管服务时，你的修改仍须开源。mozg.sh 上的托管云服务出售的是便利和推理能力——绝不设锁。