Explicit Formula — Second Brain

RPCS-1 SDK — AI Agent 调校器

从免费调校器开始：找出你的 AI Agent 可能的失效模式，获取可尝试的运行时设置，并用更难的案例验证。

RPCS-1 帮助团队有据可依地设置 Agent 参数，而不是靠猜测。描述任务、变化率、可预测性、利害程度、相关上下文跨度和承诺风格；它会返回包含五个基本参数的配置、运行时建议以及下一项测试。该套件还包含 SendRight，可在交接前发现含糊的提示词；以及 Translation Bridge，可根据配置文件生成适配的沟通内容。

仓库结构

rpcs1-sdk/
├── packages/core/          # TypeScript engine (@rpcs1/core): tuner + translation layer + receiver-profile intake
├── packages/web/           # Next.js app serving rpcs1.dev (tuner, translator, docs, Stripe, /mcp endpoint)
├── packages/mcp-server/    # Standalone STDIO MCP server (what Glama and MCP clients build)
├── sdk/python/             # Python SDK (pip install rpcs1)
├── skills/                 # Canonical agent skill package (HF-HATP v2.0 SKILL.md)
├── docs/                   # Architecture, deployment, launch playbook
└── .github/workflows/      # CI/CD

快速开始 — Python SDK

pip install rpcs1

from rpcs1 import recommend_params

config = recommend_params(
    task_description="Customer support agent",
    environment_entropy="dynamic",
    environment_predictability="somewhat_predictable",
    stakes="high",
    target_platform="anthropic",
)

print(config.platform_parameters.temperature)   # e.g. 0.52
print(config.predicted_regime)                  # 'stable'
print(config.reasoning)                         # cites Matching Principle

快速开始 — TypeScript 核心

import { recommend } from '@rpcs1/core';

const rec = recommend({
  task: { task_summary: 'Customer support agent' },
  environment: {
    entropy: 'dynamic',
    predictability: 'somewhat_predictable',
    stakes: 'high',
    context_relevance: 'medium',
    commitment_style: 'cautious',
  },
  target_platform: 'anthropic',
});

console.log(rec.platform_parameters.temperature);
console.log(rec.predicted_regime);

开发

# Install dependencies
npm ci --include=optional

# Build and test TypeScript core
npm run build --workspace=@rpcs1/core
npm run test --workspace=@rpcs1/core

# Test Python SDK
cd sdk/python
pip install -e ".[dev]"
pytest -v

Web 环境变量见 packages/web/.env.example （Stripe、Resend、许可证签名、速率限制）。MCP 生产环境控制项列于下方的 生产环境控制。

Web 应用部署在 Vercel 上，使用 Node 24（区域 iad1）；推送到 main 会触发生产部署。

匹配原则

该 SDK 实现了 IMM Paper 9 中的 Pred-09-5：

在熵为 H 的环境中，稳定接收器满足 TI ~ 1/H。

高熵环境 → 短注意力窗口（TI ~ 10）。 低熵环境 → 长注意力窗口（TI ~ 90）。

每项参数建议都可追溯到这一原则或吸引域稳定性几何（振荡／过载／冻结边界条件）。

Web 应用

• 免费调校器：https://rpcs1.dev/tuner
• SendRight：https://rpcs1.dev/send
• Translation Bridge：https://rpcs1.dev/translator
• 校准沟通偏好配置文件：https://rpcs1.dev/calibrate

该网站还可以用技术、管理层、通俗易懂或直译且严谨的语体，解释相同的产品事实。变化的是解释方式；定价、交付内容和限制不会改变。

品牌 — Explicit Formula（产品）／RPCS-1（机制）

网站主推一个消费级产品：Explicit Formula——即落地页上的盒子。Explicit：明确表达本意（产品唯一的工作）；formula：可重复的方法。其字标致敬提示贴纸（components/StickerLogo.tsx），并刻意与 RIAA 商标标签区分开来。

机制品牌——RPCS-1、接收器引擎、其定律及评分卡——保持不变，并在页脚显示为“Powered by RPCS-1”。品牌规范：外层突出结果，深入一层才展示机制。

• 品牌是一个令牌：packages/web/lib/brand.ts。重命名产品只需修改一个环境变量（NEXT_PUBLIC_BRAND_NAME）或一行代码，无需更改其他代码。
• 过去会争夺导航位置的所有站点（SendRight、Bridge、Translator、Calibrate、Tuner、R&D 等）仍在原路由正常运行，并列入 /labs 索引（packages/web/lib/labs.ts）。
• 消费级域名随部署而定：上线时设置 NEXT_PUBLIC_APP_URL。无论如何，rpcs1.dev 仍是机制主页。

SendRight（解读镜像 + 交接）

SendRight 是输入并发送提示词的入口：像平时说话那样输入提示词，查看系统实际支持的解读，选定你想表达的那一种，然后一键交给你自己的模型应用。

模块（packages/core）：

• mirror(text) — 确定性分叉检测器（无 ML、无 API 调用）。返回 { clean, readings[], ambiguousSpans[] }。检测器：比较或选择 （没有明确动词的“X 还是 Y？”问题）、分组分叉（“A 和 B 还是 C”）、 范围分叉（“仅……和……”）、悬空代词、无上下文宾语（“修复它”）、 外部引用（“上文”）。约定：对清晰的提示词保持静默 — tests/mirror.test.ts 中的零分叉对照测试对此进行强制验证。纯函数，可从任何前端调用（网页输入框、NL2Build、CLI）。
• applyReading(text, clarifier) — 将所选解读的澄清语句附加到提示词中， 让锁定的解读随提示词一同传递。
• buildHandoff(vendor, prompt) / listVendors() — 按供应商列出的能力表，用于打开用户自己的模型应用并预填提示词。 预填 URL 参数属于供应商未公开的行为，可能随时变更；每个条目都带有一个 verified 日期，并且必须在发布前重新检查。已验证（2026-07-25）：ChatGPT、Claude、Perplexity、Grok 支持 URL 预填；Gemini 和 Copilot 仅支持剪贴板回退。未登录用户可能会在登录时丢失预填内容。所有供应商都会优雅地回退到剪贴板。

Web： /send（packages/web/app/send）通过 components/SendBox.tsx 渲染输入框 — 镜像在客户端运行（防抖，不产生网络请求）； 交接在用户自己的应用中完成。SendRight 从不调用模型，也永远看不到答案。

可行性边界（实际范围）： 推理流摘要和生成过程中停止并重新对齐，只有在 rpcs1 本身负责 API 调用时才有可能（即扇出／高级用户模式，目前尚未发布）。在供应商聊天界面和 MCP 接口中，这些功能在结构上无法实现 — SendRight 的交接路径有意放弃这些功能，以换取无需密钥、零成本和不托管数据。

MCP 服务

RPCS-1 也可作为公开、匿名、只读的 MCP 服务使用：

https://rpcs1.dev/mcp

它提供四类共八个只读工具：

• recommend_agent_configuration — 根据环境熵、可预测性、风险、上下文跨度和承诺风格诊断 AI Agent； 返回可尝试的运行时设置和下一项测试。
• interpret、normalize 和 rewrite — 检测歧义、将零散文本转化为连贯的文字， 并返回特定风格的改写指引。
• route_intent — 对消息的多个竞争性解读进行熵路由：调用模型提出候选解读（改述和先验概率）；确定性路由器计算后验概率， 并决定提交、提供选项还是请求澄清。这是流程中决定提交还是澄清的权限所在。
• calibrate_profile、prepare_prompt 和 render_reply — 创建持续的沟通偏好档案，在执行操作前还原预期含义，并为该档案呈现回复。

翻译层

“表达你的本意。听懂对方的意思。”

Translation Bridge 将档案视为可传输的参数，而非类别标签。包含五个问题的 Calibrate 流程仅用于测量呈现所需的沟通偏好；它不是心理评估或诊断。 prepare_prompt / render_reply 在交互的输入端和输出端使用该档案。面向 Agent 的规范文件位于 skills/rpcs1-translation-layer/SKILL.md。

调优器示例

第一个实用调用是在实时压力下为支持团队提供协助：

Use recommend_agent_configuration to diagnose my support copilot.

Task: refund and billing dispute triage
Environment: dynamic, somewhat_predictable, high stakes
Context relevance: medium
Commitment style: cautious
Target platform: anthropic

输出应先列出五项基本特征档案、失败风险评分、预测的运行状态、 运行时策略，以及下一项要运行的测试。

第二个实用调用面向不断变化的代码库中的编码 Agent：

Use recommend_agent_configuration to diagnose my coding agent.

Task: inspect a changing repository, edit files, run tests, and open a pull request
Environment: moderate, somewhat_predictable, medium stakes
Context relevance: long
Commitment style: balanced
Target platform: openai

输出仍应先列出五项基本特征档案、失败风险评分、预测的运行状态、 运行时策略，以及下一项要运行的测试。

连接详情和客户端兼容性说明请参阅 https://rpcs1.dev/docs/mcp。 实用的编码、支持和研究示例请参阅 https://rpcs1.dev/docs/examples。

Hyperagent 使用固定的公共 OAuth 客户端 hyperagent-rpcs1 和 PKCE，以及已注册的 回调地址 https://hyperagent.com/api/mcp-servers/callback。无需客户端密钥。

MCP 接口提供确定性的 Agent 调优工作流，以及只读翻译和 按用户渲染工具。只有在核心包中实现并测试了评分或行为契约后， 才能添加新工具。

发现元数据：

• OpenAPI：https://rpcs1.dev/openapi.json

• 大模型概览：https://rpcs1.dev/llms.txt

• MCP Registry 清单：server.json

  

生产环境控制项：

• MCP_HOURLY_LIMIT 控制每个实例的 MCP 限流（默认值：每个 IP 每小时 120 个请求）。
• MCP_MAX_BODY_BYTES 限制请求正文大小（默认值：65536 字节）。
• MCP_ALLOWED_HOSTS 是以逗号分隔的生产环境主机允许列表。
• MCP_ALLOWED_ORIGINS 是可选的、以逗号分隔的浏览器来源允许列表。留空则拒绝跨源浏览器请求。
• MCP_OAUTH_JWT_SECRET 用于签署短期 OAuth 授权码和访问令牌。
• /api/health 会报告部署和 MCP 就绪状态元数据。

为在各 Vercel 实例间统一防范滥用，请为 /mcp 配置 Vercel Firewall 限流规则。进程内限流器是纵深防御措施，并非分布式配额。

Glama Docker 检查应构建并启动本地 STDIO 服务，而不是连接托管的 https://rpcs1.dev/mcp 端点。请使用此构建规范：

{
  "buildSteps": [
    "npm ci --include=optional",
    "npm run build --workspace=@rpcs1/core",
    "npm run build --workspace=@rpcs1/mcp-server"
  ],
  "cmdArguments": [
    "mcp-proxy",
    "--",
    "node",
    "packages/mcp-server/dist/index.js"
  ],
  "environmentVariablesJsonSchema": {
    "type": "object",
    "properties": {},
    "required": []
  },
  "placeholderArguments": {}
}

许可证

MIT