# ompa - Doramagic AI Context Pack

> 定位：安装前体验与判断资产。它帮助宿主 AI 有一个好的开始，但不代表已经安装、执行或验证目标项目。

## 充分原则

- **充分原则，不是压缩原则**：AI Context Pack 应该充分到让宿主 AI 在开工前理解项目价值、能力边界、使用入口、风险和证据来源；它可以分层组织，但不以最短摘要为目标。
- **压缩策略**：只压缩噪声和重复内容，不压缩会影响判断和开工质量的上下文。

## 给宿主 AI 的使用方式

你正在读取 Doramagic 为 ompa 编译的 AI Context Pack。请把它当作开工前上下文：帮助用户理解适合谁、能做什么、如何开始、哪些必须安装后验证、风险在哪里。不要声称你已经安装、运行或执行了目标项目。

## Claim 消费规则

- **事实来源**：Repo Evidence + Claim/Evidence Graph；Human Wiki 只提供显著性、术语和叙事结构。
- **事实最低状态**：`supported`
- `supported`：可以作为项目事实使用，但回答中必须引用 claim_id 和证据路径。
- `weak`：只能作为低置信度线索，必须要求用户继续核实。
- `inferred`：只能用于风险提示或待确认问题，不能包装成项目事实。
- `unverified`：不得作为事实使用，应明确说证据不足。
- `contradicted`：必须展示冲突来源，不得替用户强行选择一个版本。

## 它最适合谁

- **正在使用 Claude/Codex/Cursor/Gemini 等宿主 AI 的开发者**：README 或插件配置提到多个宿主 AI。 证据：`README.md` Claim：`clm_0002` supported 0.86

## 它能做什么

- **命令行启动或安装流程**（需要安装后验证）：项目文档中存在可执行命令，真实使用需要在本地或宿主环境中运行这些命令。 证据：`CLAUDE.md`, `README.md`, `docs/quickstart.md` Claim：`clm_0001` supported 0.86

## 怎么开始

- `pip install ompa` 证据：`README.md` Claim：`clm_0003` supported 0.86, `clm_0004` supported 0.86, `clm_0005` supported 0.86, `clm_0007` supported 0.86 等
- `pip install ompa          # Core only` 证据：`README.md` Claim：`clm_0004` supported 0.86, `clm_0011` supported 0.86
- `pip install ompa[all]     # Includes local semantic search` 证据：`README.md` Claim：`clm_0005` supported 0.86
- `claude mcp add ompa -- python -m ompa.mcp_server` 证据：`README.md` Claim：`clm_0006` supported 0.86
- `pip install ompa[all]` 证据：`README.md` Claim：`clm_0005` supported 0.86, `clm_0007` supported 0.86, `clm_0012` supported 0.86, `clm_0013` supported 0.86
- `pip install ompa[dev]` 证据：`README.md` Claim：`clm_0008` supported 0.86
- `git clone https://github.com/jmiaie/ompa && cd ompa` 证据：`README.md` Claim：`clm_0009` supported 0.86
- `pip install -e ".[all]"` 证据：`README.md` Claim：`clm_0010` supported 0.86, `clm_0014` supported 0.86
- `pip install ompa          # Core only (vault + palace + KG + CLI + MCP)` 证据：`docs/quickstart.md` Claim：`clm_0011` supported 0.86
- `pip install ompa[all]     # Adds local semantic search (sentence-transformers)` 证据：`docs/quickstart.md` Claim：`clm_0012` supported 0.86

## 继续前判断卡

- **当前建议**：先做角色匹配试用
- **为什么**：这个项目更像角色库，核心风险是选错角色或把角色文案当执行能力；先用 Prompt Preview 试角色匹配，再决定是否沙盒导入。

### 30 秒判断

- **现在怎么做**：先做角色匹配试用
- **最小安全下一步**：先用 Prompt Preview 试角色匹配；满意后再隔离导入
- **先别相信**：角色质量和任务匹配不能直接相信。
- **继续会触碰**：角色选择偏差、命令执行、宿主 AI 配置

### 现在可以相信

- **适合人群线索：正在使用 Claude/Codex/Cursor/Gemini 等宿主 AI 的开发者**（supported）：有 supported claim 或项目证据支撑，但仍不等于真实安装效果。 证据：`README.md` Claim：`clm_0002` supported 0.86
- **能力存在：命令行启动或安装流程**（supported）：可以相信项目包含这类能力线索；是否适合你的具体任务仍要试用或安装后验证。 证据：`CLAUDE.md`, `README.md`, `docs/quickstart.md` Claim：`clm_0001` supported 0.86
- **存在 Quick Start / 安装命令线索**（supported）：可以相信项目文档出现过启动或安装入口；不要因此直接在主力环境运行。 证据：`README.md` Claim：`clm_0003` supported 0.86, `clm_0004` supported 0.86, `clm_0005` supported 0.86, `clm_0007` supported 0.86

### 现在还不能相信

- **角色质量和任务匹配不能直接相信。**（unverified）：角色库证明有很多角色，不证明每个角色都适合你的具体任务，也不证明角色能产生高质量结果。
- **不能把角色文案当成真实执行能力。**（unverified）：安装前只能判断角色描述和任务画像是否匹配，不能证明它能在宿主 AI 里完成任务。
- **真实输出质量不能在安装前相信。**（unverified）：Prompt Preview 只能展示引导方式，不能证明真实项目中的结果质量。
- **宿主 AI 版本兼容性不能在安装前相信。**（unverified）：Claude、Cursor、Codex、Gemini 等宿主加载规则和版本差异必须在真实环境验证。
- **不会污染现有宿主 AI 行为，不能直接相信。**（inferred）：Skill、plugin、AGENTS/CLAUDE/GEMINI 指令可能改变宿主 AI 的默认行为。 证据：`CLAUDE.md`
- **可安全回滚不能默认相信。**（unverified）：除非项目明确提供卸载和恢复说明，否则必须先在隔离环境验证。
- **真实安装后是否与用户当前宿主 AI 版本兼容？**（unverified）：兼容性只能通过实际宿主环境验证。
- **项目输出质量是否满足用户具体任务？**（unverified）：安装前预览只能展示流程和边界，不能替代真实评测。

### 继续会触碰什么

- **角色选择偏差**：用户对任务应该由哪个专家角色处理的判断。 原因：选错角色会让 AI 从错误专业视角回答，浪费时间或误导决策。
- **命令执行**：包管理器、网络下载、本地插件目录、项目配置或用户主目录。 原因：运行第一条命令就可能产生环境改动；必须先判断是否值得跑。 证据：`CLAUDE.md`, `README.md`, `docs/quickstart.md`
- **宿主 AI 配置**：Claude/Codex/Cursor/Gemini/OpenCode 等宿主的 plugin、Skill 或规则加载配置。 原因：宿主配置会改变 AI 后续工作方式，可能和用户已有规则冲突。 证据：`CLAUDE.md`
- **本地环境或项目文件**：安装结果、插件缓存、项目配置或本地依赖目录。 原因：安装前无法证明写入范围和回滚方式，需要隔离验证。 证据：`CLAUDE.md`, `README.md`, `docs/quickstart.md`
- **宿主 AI 上下文**：AI Context Pack、Prompt Preview、Skill 路由、风险规则和项目事实。 原因：导入上下文会影响宿主 AI 后续判断，必须避免把未验证项包装成事实。

### 最小安全下一步

- **先跑 Prompt Preview**：先用交互式试用验证任务画像和角色匹配，不要先导入整套角色库。（适用：任何项目都适用，尤其是输出质量未知时。）
- **只在隔离目录或测试账号试装**：避免安装命令污染主力宿主 AI、真实项目或用户主目录。（适用：存在命令执行、插件配置或本地写入线索时。）
- **先备份宿主 AI 配置**：Skill、plugin、规则文件可能改变 Claude/Cursor/Codex 的默认行为。（适用：存在插件 manifest、Skill 或宿主规则入口时。）
- **安装后只验证一个最小任务**：先验证加载、兼容、输出质量和回滚，再决定是否深用。（适用：准备从试用进入真实工作流时。）

### 退出方式

- **保留安装前状态**：记录原始宿主配置和项目状态，后续才能判断是否可恢复。
- **准备移除宿主 plugin / Skill / 规则入口**：如果试装后行为异常，可以把宿主 AI 恢复到试装前状态。
- **保留原始角色选择记录**：如果输出偏题，可以回到任务画像阶段重新选择角色，而不是继续沿着错误角色推进。
- **记录安装命令和写入路径**：没有明确卸载说明时，至少要知道哪些目录或配置需要手动清理。
- **如果没有回滚路径，不进入主力环境**：不可回滚是继续前阻断项，不应靠信任或运气继续。

## 哪些只能预览

- 解释项目适合谁和能做什么
- 基于项目文档演示典型对话流程
- 帮助用户判断是否值得安装或继续研究

## 哪些必须安装后验证

- 真实安装 Skill、插件或 CLI
- 执行脚本、修改本地文件或访问外部服务
- 验证真实输出质量、性能和兼容性

## 边界与风险判断卡

- **把安装前预览误认为真实运行**：用户可能高估项目已经完成的配置、权限和兼容性验证。 处理方式：明确区分 prompt_preview_can_do 与 runtime_required。 Claim：`clm_0016` inferred 0.45
- **命令执行会修改本地环境**：安装命令可能写入用户主目录、宿主插件目录或项目配置。 处理方式：先在隔离环境或测试账号中运行。 证据：`CLAUDE.md`, `README.md`, `docs/quickstart.md` Claim：`clm_0017` supported 0.86
- **待确认**：真实安装后是否与用户当前宿主 AI 版本兼容？。原因：兼容性只能通过实际宿主环境验证。
- **待确认**：项目输出质量是否满足用户具体任务？。原因：安装前预览只能展示流程和边界，不能替代真实评测。
- **待确认**：安装命令是否需要网络、权限或全局写入？。原因：这影响企业环境和个人环境的安装风险。

## 开工前工作上下文

### 加载顺序

- 先读取 how_to_use.host_ai_instruction，建立安装前判断资产的边界。
- 读取 claim_graph_summary，确认事实来自 Claim/Evidence Graph，而不是 Human Wiki 叙事。
- 再读取 intended_users、capabilities 和 quick_start_candidates，判断用户是否匹配。
- 需要执行具体任务时，优先查 role_skill_index，再查 evidence_index。
- 遇到真实安装、文件修改、网络访问、性能或兼容性问题时，转入 risk_card 和 boundaries.runtime_required。

### 任务路由

- **命令行启动或安装流程**：先说明这是安装后验证能力，再给出安装前检查清单。 边界：必须真实安装或运行后验证。 证据：`CLAUDE.md`, `README.md`, `docs/quickstart.md` Claim：`clm_0001` supported 0.86

### 上下文规模

- 文件总数：63
- 重要文件覆盖：40/63
- 证据索引条目：44
- 角色 / Skill 条目：22

### 证据不足时的处理

- **missing_evidence**：说明证据不足，要求用户提供目标文件、README 段落或安装后验证记录；不要补全事实。
- **out_of_scope_request**：说明该任务超出当前 AI Context Pack 证据范围，并建议用户先查看 Human Manual 或真实安装后验证。
- **runtime_request**：给出安装前检查清单和命令来源，但不要替用户执行命令或声称已执行。
- **source_conflict**：同时展示冲突来源，标记为待核实，不要强行选择一个版本。

## Prompt Recipes

### 适配判断

- 目标：判断这个项目是否适合用户当前任务。
- 预期输出：适配结论、关键理由、证据引用、安装前可预览内容、必须安装后验证内容、下一步建议。

```text
请基于 ompa 的 AI Context Pack，先问我 3 个必要问题，然后判断它是否适合我的任务。回答必须包含：适合谁、能做什么、不能做什么、是否值得安装、证据来自哪里。所有项目事实必须引用 evidence_refs、source_paths 或 claim_id。
```

### 安装前体验

- 目标：让用户在安装前感受核心工作流，同时避免把预览包装成真实能力或营销承诺。
- 预期输出：一段带边界标签的体验剧本、安装后验证清单和谨慎建议；不含真实运行承诺或强营销表述。

```text
请把 ompa 当作安装前体验资产，而不是已安装工具或真实运行环境。

请严格输出四段：
1. 先问我 3 个必要问题。
2. 给出一段“体验剧本”：用 [安装前可预览]、[必须安装后验证]、[证据不足] 三种标签展示它可能如何引导工作流。
3. 给出安装后验证清单：列出哪些能力只有真实安装、真实宿主加载、真实项目运行后才能确认。
4. 给出谨慎建议：只能说“值得继续研究/试装”“先补充信息后再判断”或“不建议继续”，不得替项目背书。

硬性边界：
- 不要声称已经安装、运行、执行测试、修改文件或产生真实结果。
- 不要写“自动适配”“确保通过”“完美适配”“强烈建议安装”等承诺性表达。
- 如果描述安装后的工作方式，必须使用“如果安装成功且宿主正确加载 Skill，它可能会……”这种条件句。
- 体验剧本只能写成“示例台词/假设流程”：使用“可能会询问/可能会建议/可能会展示”，不要写“已写入、已生成、已通过、正在运行、正在生成”。
- Prompt Preview 不负责给安装命令；如用户准备试装，只能提示先阅读 Quick Start 和 Risk Card，并在隔离环境验证。
- 所有项目事实必须来自 supported claim、evidence_refs 或 source_paths；inferred/unverified 只能作风险或待确认项。

```

### 角色 / Skill 选择

- 目标：从项目里的角色或 Skill 中挑选最匹配的资产。
- 预期输出：候选角色或 Skill 列表，每项包含适用场景、证据路径、风险边界和是否需要安装后验证。

```text
请读取 role_skill_index，根据我的目标任务推荐 3-5 个最相关的角色或 Skill。每个推荐都要说明适用场景、可能输出、风险边界和 evidence_refs。
```

### 风险预检

- 目标：安装或引入前识别环境、权限、规则冲突和质量风险。
- 预期输出：环境、权限、依赖、许可、宿主冲突、质量风险和未知项的检查清单。

```text
请基于 risk_card、boundaries 和 quick_start_candidates，给我一份安装前风险预检清单。不要替我执行命令，只说明我应该检查什么、为什么检查、失败会有什么影响。
```

### 宿主 AI 开工指令

- 目标：把项目上下文转成一次对话开始前的宿主 AI 指令。
- 预期输出：一段边界明确、证据引用明确、适合复制给宿主 AI 的开工前指令。

```text
请基于 ompa 的 AI Context Pack，生成一段我可以粘贴给宿主 AI 的开工前指令。这段指令必须遵守 not_runtime=true，不能声称项目已经安装、运行或产生真实结果。
```


## 角色 / Skill 索引

- 共索引 22 个角色 / Skill / 项目文档条目。

- **CLAUDE.md — OMPA**（project_doc）：You are building OMPA Obsidian-MemPalace-Agnostic — a universal AI agent memory layer. 激活提示：当用户需要理解项目结构、安装方式或边界时参考。 证据：`CLAUDE.md`
- **Why OMPA?**（project_doc）：OMPA Universal AI Agent Memory Layer Vault · Palace · Temporal Knowledge Graph 激活提示：当用户需要理解项目结构、安装方式或边界时参考。 证据：`README.md`
- **MCP Desktop Setup**（project_doc）：Step-by-step guide for connecting OMPA to Claude Desktop, Cursor, or Windsurf via MCP. 激活提示：当用户需要理解项目结构、安装方式或边界时参考。 证据：`examples/mcp_desktop/README.md`
- **Contributing to OMPA**（project_doc）：Thanks for your interest in contributing. Here's everything you need to get started. 激活提示：当用户需要理解项目结构、安装方式或边界时参考。 证据：`CONTRIBUTING.md`
- **Changelog**（project_doc）： 激活提示：当用户需要理解项目结构、安装方式或边界时参考。 证据：`docs/changelog.md`
- **OMPA**（project_doc）：Universal AI Agent Memory Layer — Vault · Palace · Temporal Knowledge Graph 激活提示：当用户需要理解项目结构、安装方式或边界时参考。 证据：`docs/index.md`
- **Quickstart**（project_doc）：This guide walks you from zero to a running OMPA vault in under 5 minutes. 激活提示：当用户需要理解项目结构、安装方式或边界时参考。 证据：`docs/quickstart.md`
- **CLI Reference**（project_doc）：All CLI commands are available via ao . 激活提示：当用户需要理解项目结构、安装方式或边界时参考。 证据：`docs/api/cli.md`
- **Knowledge Graph**（project_doc）：The KnowledgeGraph stores temporal triples: subject → predicate → object with optional validity windows. 激活提示：当用户需要理解项目结构、安装方式或边界时参考。 证据：`docs/api/kg.md`
- **Ompa**（project_doc）：The Ompa class is the main entry point. It integrates all three layers Vault, Palace, Knowledge Graph with lifecycle hooks, message classification, and semantic search. 激活提示：当用户需要理解项目结构、安装方式或边界时参考。 证据：`docs/api/ompa.md`
- **Palace**（project_doc）：The Palace is the agent-accessible metadata layer — a navigational index over the vault. 激活提示：当用户需要理解项目结构、安装方式或边界时参考。 证据：`docs/api/palace.md`
- **Vault**（project_doc）：The Vault class manages the markdown note storage layer. 激活提示：当用户需要理解项目结构、安装方式或边界时参考。 证据：`docs/api/vault.md`
- **Dual-Vault**（project_doc）：Dual-vault mode separates shared team/org content from personal private/sensitive content into two isolated vaults. Each vault has its own palace, knowledge graph, and semantic index. 激活提示：当用户需要理解项目结构、安装方式或边界时参考。 证据：`docs/guides/dual-vault.md`
- **Lifecycle Hooks**（project_doc）：OMPA provides 5 lifecycle hooks that wrap your agent's natural event loop. Each hook has a token budget — the maximum context it injects into your agent. 激活提示：当用户需要理解项目结构、安装方式或边界时参考。 证据：`docs/guides/hooks.md`
- **MCP Server**（project_doc）：OMPA exposes all of its capabilities as an MCP Model Context Protocol server with 15 tools. This lets Claude Desktop, Cursor, Windsurf, and any MCP-compatible client access your vault directly — no code changes needed. 激活提示：当用户需要理解项目结构、安装方式或边界时参考。 证据：`docs/guides/mcp.md`
- **Message Types**（project_doc）：OMPA classifies messages into 15 types, each with auto-routing rules that file content in the right vault folder. 激活提示：当用户需要理解项目结构、安装方式或边界时参考。 证据：`docs/guides/message-types.md`
- **Summary**（project_doc）：- Bug fix - New feature - Breaking change - Documentation - Refactor / chore 激活提示：当用户需要理解项目结构、安装方式或边界时参考。 证据：`.github/pull_request_template.md`
- **Changelog**（project_doc）：All notable changes to OMPA are documented here. 激活提示：当用户需要理解项目结构、安装方式或边界时参考。 证据：`CHANGELOG.md`
- **Security Audit — OMPA v1.0.0**（project_doc）：Date: 2026-05-07 Version: 1.0.0 Tool versions: bandit 1.8.x, mypy 1.x, manual review 激活提示：当用户需要理解项目结构、安装方式或边界时参考。 证据：`SECURITY_AUDIT.md`
- **API Stability**（project_doc）：OMPA follows Semantic Versioning https://semver.org/ starting at v1.0.0. 激活提示：当用户需要理解项目结构、安装方式或边界时参考。 证据：`STABILITY.md`
- **Bug report**（project_doc）：Describe the bug A clear description of what went wrong. 激活提示：当用户需要理解项目结构、安装方式或边界时参考。 证据：`.github/ISSUE_TEMPLATE/bug_report.md`
- **Feature request**（project_doc）：Problem this solves What problem or gap is this feature addressing? Be specific. 激活提示：当用户需要理解项目结构、安装方式或边界时参考。 证据：`.github/ISSUE_TEMPLATE/feature_request.md`

## 证据索引

- 共索引 44 条证据。

- **CLAUDE.md — OMPA**（documentation）：You are building OMPA Obsidian-MemPalace-Agnostic — a universal AI agent memory layer. 证据：`CLAUDE.md`
- **Why OMPA?**（documentation）：OMPA Universal AI Agent Memory Layer Vault · Palace · Temporal Knowledge Graph 证据：`README.md`
- **MCP Desktop Setup**（documentation）：Step-by-step guide for connecting OMPA to Claude Desktop, Cursor, or Windsurf via MCP. 证据：`examples/mcp_desktop/README.md`
- **Contributing to OMPA**（documentation）：Thanks for your interest in contributing. Here's everything you need to get started. 证据：`CONTRIBUTING.md`
- **License**（source_file）：Permission is hereby granted, free of charge, to any person obtaining a copy of this software and associated documentation files the "Software" , to deal in the Software without restriction, including without limitation the rights to use, copy, modify, merge, publish, distribute, sublicense, and/or sell copies of the Software, and to permit persons to whom the Software is furnished to do so, subject to the following conditions: 证据：`LICENSE`
- **Changelog**（documentation）：Changelog 证据：`docs/changelog.md`
- **OMPA**（documentation）：Universal AI Agent Memory Layer — Vault · Palace · Temporal Knowledge Graph 证据：`docs/index.md`
- **Quickstart**（documentation）：This guide walks you from zero to a running OMPA vault in under 5 minutes. 证据：`docs/quickstart.md`
- **CLI Reference**（documentation）：All CLI commands are available via ao . 证据：`docs/api/cli.md`
- **Knowledge Graph**（documentation）：The KnowledgeGraph stores temporal triples: subject → predicate → object with optional validity windows. 证据：`docs/api/kg.md`
- **Ompa**（documentation）：The Ompa class is the main entry point. It integrates all three layers Vault, Palace, Knowledge Graph with lifecycle hooks, message classification, and semantic search. 证据：`docs/api/ompa.md`
- **Palace**（documentation）：The Palace is the agent-accessible metadata layer — a navigational index over the vault. 证据：`docs/api/palace.md`
- **Vault**（documentation）：The Vault class manages the markdown note storage layer. 证据：`docs/api/vault.md`
- **Dual-Vault**（documentation）：Dual-vault mode separates shared team/org content from personal private/sensitive content into two isolated vaults. Each vault has its own palace, knowledge graph, and semantic index. 证据：`docs/guides/dual-vault.md`
- **Lifecycle Hooks**（documentation）：OMPA provides 5 lifecycle hooks that wrap your agent's natural event loop. Each hook has a token budget — the maximum context it injects into your agent. 证据：`docs/guides/hooks.md`
- **MCP Server**（documentation）：OMPA exposes all of its capabilities as an MCP Model Context Protocol server with 15 tools. This lets Claude Desktop, Cursor, Windsurf, and any MCP-compatible client access your vault directly — no code changes needed. 证据：`docs/guides/mcp.md`
- **Message Types**（documentation）：OMPA classifies messages into 15 types, each with auto-routing rules that file content in the right vault folder. 证据：`docs/guides/message-types.md`
- **Summary**（documentation）：- Bug fix - New feature - Breaking change - Documentation - Refactor / chore 证据：`.github/pull_request_template.md`
- **Changelog**（documentation）：All notable changes to OMPA are documented here. 证据：`CHANGELOG.md`
- **Security Audit — OMPA v1.0.0**（documentation）：Date: 2026-05-07 Version: 1.0.0 Tool versions: bandit 1.8.x, mypy 1.x, manual review 证据：`SECURITY_AUDIT.md`
- **API Stability**（documentation）：OMPA follows Semantic Versioning https://semver.org/ starting at v1.0.0. 证据：`STABILITY.md`
- **Minimal code that reproduces the issue**（documentation）：Describe the bug A clear description of what went wrong. 证据：`.github/ISSUE_TEMPLATE/bug_report.md`
- **What the API/CLI might look like**（documentation）：Problem this solves What problem or gap is this feature addressing? Be specific. 证据：`.github/ISSUE_TEMPLATE/feature_request.md`
- **.Markdownlint**（structured_config）：{ "MD013": false, "MD024": { "siblings only": true } } 证据：`.markdownlint.json`
- **Byte-compiled / optimized / DLL files**（source_file）：Byte-compiled / optimized / DLL files pycache / .py cod $py.class 证据：`.gitignore`
- **---------------------------------------------------------------------------**（source_file）：Measures Recall@5 on a subset of LongMemEval-style questions using OMPA's verbatim storage + semantic search. Reports the headline metric that OMPA claims: 96.6% R@5 established by MemPalace on the same storage approach . 证据：`benchmarks/longmemeval.py`
- **Demo**（source_file）：{"version": 2, "width": 80, "height": 24, "duration": 7.89794135093689, "command": "ao demo", "title": "AgnosticObsidian \u2014 Universal AI Agent Memory", "env": {"TERM": "xterm-256color", "SHELL": "/bin/bash"}} 0.5000827312469482, "o", "\u001b 1;36m\u2554\u2550\u2550\u2550\u2550\u2550\u2550\u2550\u2550\u2550\u2550\u2550\u2550\u2550\u2550\u2550\u2550\u2550\u2550\u2550\u2550\u2550\u2550\u2550\u2550\u2550\u2550\u2550\u2550\u2550\u2550\u2550\u2550\u2550\u2550\u2550\u2550\u2550\u2550\u2550\u2550\u2550\u2550\u2550\u2550\u2550\u2550\u2550\u2550\u2550\u2550\u2550\u2550\u2550\u2550\u2550\u2550\u2557\u001b 0m\r\n" 0.5000901222229004, "o", "\u001b 1;36m\u2551 AgnosticObsidian \u2014 Universal AI Age… 证据：`demo.cast`
- **Mkdocs**（source_file）：site name: OMPA site description: Universal AI agent memory layer — vault + palace + temporal knowledge graph site author: Micap AI repo url: https://github.com/jmiaie/ompa repo name: jmiaie/ompa edit uri: edit/main/docs/ 证据：`mkdocs.yml`
- **Backward compatibility alias**（source_file）：""" OMPA — Obsidian-MemPalace-Agnostic 证据：`ompa/__init__.py`
- **Main**（source_file）："""Allow running OMPA as a module: python -m ompa""" 证据：`ompa/__main__.py`
- **Or manually:**（source_file）：""" AsyncOmpa — async-native wrapper around Ompa. 证据：`ompa/async_api.py`
- **Regex patterns for classification**（source_file）：""" Message classification for routing and context injection. Classifies user messages into categories and injects routing hints. Also classifies content for dual-vault routing shared vs personal . """ 证据：`ompa/classifier.py`
- **Dual-vault init**（source_file）：""" CLI for OMPA. Run with: ao or ao-mcp """ 证据：`ompa/cli.py`
- **Default classification indicators**（source_file）：""" OMPA Configuration — Dual-vault settings and content classification rules. 证据：`ompa/config.py`
- **Dual-vault parameters**（source_file）：""" OMPA — Universal AI Agent Memory Layer Core module integrating vault, palace, KG, hooks, classifier, and semantic search. Supports single-vault legacy and dual-vault shared + personal architecture. """ 证据：`ompa/core.py`
- **North Star**（source_file）：""" Lifecycle hooks for OMPA. Handles session start, user message, post tool, pre compact, and stop events. """ 证据：`ompa/hooks.py`
- **WAL mode: readers don't block writers; writers don't block readers.**（source_file）：""" Knowledge Graph — Temporal Entity-Relationship Graph for OMPA. Inspired by MemPalace's knowledge graph.py. SQLite-based triples with validity windows. 证据：`ompa/knowledge_graph.py`
- **Claude Desktop**（source_file）：""" OMPA MCP Server Provides 15+ tools via the Model Context Protocol. Works with Claude Desktop, Cursor, Windsurf, and any MCP-compatible client. 证据：`ompa/mcp_server.py`
- **Increment this when new migrations are added.**（source_file）：Detects the version of an existing vault and applies any needed schema upgrades: KG index additions, palace rebuilds, semantic index refreshes. 证据：`ompa/migration.py`
- **Wing operations**（source_file）：""" Palace — Wing/Room/Closet/Drawer metadata layer for OMPA. Inspired by MemPalace. Manages the structured metadata that accelerates retrieval. """ 证据：`ompa/palace.py`
- **Accept a pre-built backend e.g. NIMEmbeddingBackend or load lazily**（source_file）：""" Semantic search for OMPA. Provides hybrid keyword + semantic search across the vault. Supports a pluggable embedding backend sentence-transformers by default, or any object with an encode text: str - array interface . """ 证据：`ompa/semantic.py`
- **Heuristic: ~1.3 tokens per whitespace-delimited word conservative for code**（source_file）：""" Token counting with tiktoken precise or word-count heuristic fallback . 证据：`ompa/token_counter.py`
- **Shared exclude patterns for vault traversal**（source_file）：""" Vault management for OMPA. Handles note organization, templates, wikilinks, and frontmatter validation. """ 证据：`ompa/vault.py`
- **Pyproject**（source_file）：project name = "ompa" version = "1.0.8" description = "Universal AI agent memory layer — vault + palace + temporal knowledge graph" readme = "README.md" license = {text = "MIT"} requires-python = " =3.10" authors = {name = "Micap AI", email = "info@micap.ai"}, keywords = "ai", "agent", "memory", "obsidian", "knowledge-graph", "mcp", "claude", "llm", "rag", "semantic-search", "langchain", "llamaindex", "nvidia", "nim", "multi-agent" classifiers = "Development Status :: 5 - Production/Stable", "Intended Audience :: Developers", "License :: OSI Approved :: MIT License", "Programming Language :: Python :: 3.10", "Programming Language :: Python :: 3.11", "Programming Language :: Python :: 3.12",… 证据：`pyproject.toml`

## 宿主 AI 必须遵守的规则

- **把本资产当作开工前上下文，而不是运行环境。**：AI Context Pack 只包含证据化项目理解，不包含目标项目的可执行状态。 证据：`CLAUDE.md`, `README.md`, `examples/mcp_desktop/README.md`
- **回答用户时区分可预览内容与必须安装后才能验证的内容。**：安装前体验的消费者价值来自降低误装和误判，而不是伪装成真实运行。 证据：`CLAUDE.md`, `README.md`, `examples/mcp_desktop/README.md`

## 用户开工前应该回答的问题

- 你准备在哪个宿主 AI 或本地环境中使用它？
- 你只是想先体验工作流，还是准备真实安装？
- 你最在意的是安装成本、输出质量、还是和现有规则的冲突？

## 验收标准

- 所有能力声明都能回指到 evidence_refs 中的文件路径。
- AI_CONTEXT_PACK.md 没有把预览包装成真实运行。
- 用户能在 3 分钟内看懂适合谁、能做什么、如何开始和风险边界。

---

## Doramagic Context Augmentation

下面内容用于强化 Repomix/AI Context Pack 主体。Human Manual 只提供阅读骨架；踩坑日志会被转成宿主 AI 必须遵守的工作约束。

## Human Manual 骨架

使用规则：这里只是项目阅读路线和显著性信号，不是事实权威。具体事实仍必须回到 repo evidence / Claim Graph。

宿主 AI 硬性规则：
- 不得把页标题、章节顺序、摘要或 importance 当作项目事实证据。
- 解释 Human Manual 骨架时，必须明确说它只是阅读路线/显著性信号。
- 能力、安装、兼容性、运行状态和风险判断必须引用 repo evidence、source path 或 Claim Graph。

- **项目介绍**：importance `high`
  - source_paths: README.md, pyproject.toml
- **快速入门**：importance `high`
  - source_paths: docs/quickstart.md, ompa/__init__.py, examples/simple_vault/demo.py
- **三层架构设计**：importance `high`
  - source_paths: ompa/vault.py, ompa/palace.py, ompa/knowledge_graph.py
- **生命周期钩子**：importance `high`
  - source_paths: ompa/hooks.py, ompa/core.py
- **Vault存储层**：importance `high`
  - source_paths: ompa/vault.py, ompa/core.py
- **Palace元数据层**：importance `high`
  - source_paths: ompa/palace.py
- **时序知识图谱**：importance `high`
  - source_paths: ompa/knowledge_graph.py
- **消息分类器**：importance `medium`
  - source_paths: ompa/classifier.py

## Repo Inspection Evidence / 源码检查证据

- repo_clone_verified: true
- repo_inspection_verified: true
- repo_commit: `40ff3e241490825d6dc8714c2d5594316e0cb69c`
- inspected_files: `pyproject.toml`, `README.md`, `docs/index.md`, `docs/quickstart.md`, `docs/changelog.md`, `docs/api/cli.md`, `docs/api/vault.md`, `docs/api/kg.md`, `docs/api/ompa.md`, `docs/api/palace.md`, `docs/guides/dual-vault.md`, `docs/guides/hooks.md`, `docs/guides/message-types.md`, `docs/guides/mcp.md`, `examples/simple_vault/demo.py`, `examples/mcp_desktop/README.md`, `examples/langchain_agent/ompa_memory.py`, `examples/multi_agent/swarm_memory.py`

宿主 AI 硬性规则：
- 没有 repo_clone_verified=true 时，不得声称已经读过源码。
- 没有 repo_inspection_verified=true 时，不得把 README/docs/package 文件判断写成事实。
- 没有 quick_start_verified=true 时，不得声称 Quick Start 已跑通。

## Doramagic Pitfall Constraints / 踩坑约束

这些规则来自 Doramagic 发现、验证或编译过程中的项目专属坑点。宿主 AI 必须把它们当作工作约束，而不是普通说明文字。

### Constraint 1: 来源证据：OMPA v0.2.0 — The Big Rename

- Trigger: GitHub 社区证据显示该项目存在一个安装相关的待验证问题：OMPA v0.2.0 — The Big Rename
- Host AI rule: 来源显示可能已有修复、规避或版本变化，说明书中必须标注适用版本。
- Why it matters: 可能阻塞安装或首次运行。
- Evidence: community_evidence:github | cevd_ac771ab081be444ab18c5c1963becb64 | https://github.com/jmiaie/ompa/releases/tag/v0.2.0 | 来源讨论提到 python 相关条件，需在安装/试用前复核。
- Hard boundary: 不要把这个坑点包装成已解决、已验证或可忽略，除非后续验证证据明确证明它已经关闭。

### Constraint 2: 来源证据：[P0] agent_integration.py race condition — session.memory attribute not available on cold start

- Trigger: GitHub 社区证据显示该项目存在一个配置相关的待验证问题：[P0] agent_integration.py race condition — session.memory attribute not available on cold start
- Host AI rule: 来源问题仍为 open，Pack Agent 需要复核是否仍影响当前版本。
- Why it matters: 可能阻塞安装或首次运行。
- Evidence: community_evidence:github | cevd_db65ef8ac28c41048d74c03c80cbed28 | https://github.com/jmiaie/ompa/issues/6 | 来源讨论提到 python 相关条件，需在安装/试用前复核。
- Hard boundary: 不要把这个坑点包装成已解决、已验证或可忽略，除非后续验证证据明确证明它已经关闭。

### Constraint 3: 能力判断依赖假设

- Trigger: README/documentation is current enough for a first validation pass.
- Host AI rule: 将假设转成下游验证清单。
- Why it matters: 假设不成立时，用户拿不到承诺的能力。
- Evidence: capability.assumptions | github_repo:1207151629 | https://github.com/jmiaie/ompa | README/documentation is current enough for a first validation pass.
- Hard boundary: 不要把这个坑点包装成已解决、已验证或可忽略，除非后续验证证据明确证明它已经关闭。

### Constraint 4: 维护活跃度未知

- Trigger: 未记录 last_activity_observed。
- Host AI rule: 补 GitHub 最近 commit、release、issue/PR 响应信号。
- Why it matters: 新项目、停更项目和活跃项目会被混在一起，推荐信任度下降。
- Evidence: evidence.maintainer_signals | github_repo:1207151629 | https://github.com/jmiaie/ompa | last_activity_observed missing
- Hard boundary: 不要把这个坑点包装成已解决、已验证或可忽略，除非后续验证证据明确证明它已经关闭。

### Constraint 5: 下游验证发现风险项

- Trigger: no_demo
- Host AI rule: 进入安全/权限治理复核队列。
- Why it matters: 下游已经要求复核，不能在页面中弱化。
- Evidence: downstream_validation.risk_items | github_repo:1207151629 | https://github.com/jmiaie/ompa | no_demo; severity=medium
- Hard boundary: 不要把这个坑点包装成已解决、已验证或可忽略，除非后续验证证据明确证明它已经关闭。

### Constraint 6: 存在安全注意事项

- Trigger: No sandbox install has been executed yet; downstream must verify before user use.
- Host AI rule: 转成明确权限清单和安全审查提示。
- Why it matters: 用户安装前需要知道权限边界和敏感操作。
- Evidence: risks.safety_notes | github_repo:1207151629 | https://github.com/jmiaie/ompa | No sandbox install has been executed yet; downstream must verify before user use.
- Hard boundary: 不要把这个坑点包装成已解决、已验证或可忽略，除非后续验证证据明确证明它已经关闭。

### Constraint 7: 存在评分风险

- Trigger: no_demo
- Host AI rule: 把风险写入边界卡，并确认是否需要人工复核。
- Why it matters: 风险会影响是否适合普通用户安装。
- Evidence: risks.scoring_risks | github_repo:1207151629 | https://github.com/jmiaie/ompa | no_demo; severity=medium
- Hard boundary: 不要把这个坑点包装成已解决、已验证或可忽略，除非后续验证证据明确证明它已经关闭。

### Constraint 8: 来源证据：OMPA v0.2.1 — Security & Reliability Hardening

- Trigger: GitHub 社区证据显示该项目存在一个安全/权限相关的待验证问题：OMPA v0.2.1 — Security & Reliability Hardening
- Host AI rule: 来源显示可能已有修复、规避或版本变化，说明书中必须标注适用版本。
- Why it matters: 可能阻塞安装或首次运行。
- Evidence: community_evidence:github | cevd_ab0ad6b963354f2096bef6783c95c289 | https://github.com/jmiaie/ompa/releases/tag/v0.2.1 | 来源讨论提到 python 相关条件，需在安装/试用前复核。
- Hard boundary: 不要把这个坑点包装成已解决、已验证或可忽略，除非后续验证证据明确证明它已经关闭。

### Constraint 9: issue/PR 响应质量未知

- Trigger: issue_or_pr_quality=unknown。
- Host AI rule: 抽样最近 issue/PR，判断是否长期无人处理。
- Why it matters: 用户无法判断遇到问题后是否有人维护。
- Evidence: evidence.maintainer_signals | github_repo:1207151629 | https://github.com/jmiaie/ompa | issue_or_pr_quality=unknown
- Hard boundary: 不要把这个坑点包装成已解决、已验证或可忽略，除非后续验证证据明确证明它已经关闭。

### Constraint 10: 发布节奏不明确

- Trigger: release_recency=unknown。
- Host AI rule: 确认最近 release/tag 和 README 安装命令是否一致。
- Why it matters: 安装命令和文档可能落后于代码，用户踩坑概率升高。
- Evidence: evidence.maintainer_signals | github_repo:1207151629 | https://github.com/jmiaie/ompa | release_recency=unknown
- Hard boundary: 不要把这个坑点包装成已解决、已验证或可忽略，除非后续验证证据明确证明它已经关闭。