# continuum - 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 continuum 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：`README.md` Claim：`clm_0001` supported 0.86

## 怎么开始

- `npm install -g continuum-core` 证据：`README.md` Claim：`clm_0003` supported 0.86

## 继续前判断卡

- **当前建议**：仅建议沙盒试装
- **为什么**：项目存在安装命令、宿主配置或本地写入线索，不建议直接进入主力环境，应先在隔离环境试装。

### 30 秒判断

- **现在怎么做**：仅建议沙盒试装
- **最小安全下一步**：先跑 Prompt Preview；若仍要安装，只在隔离环境试装
- **先别相信**：真实输出质量不能在安装前相信。
- **继续会触碰**：命令执行、本地环境或项目文件、宿主 AI 上下文

### 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：`README.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

### 现在还不能相信

- **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。
- **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。
- **安装命令是否需要网络、权限或全局写入？**（unverified）：这影响企业环境和个人环境的安装风险。 证据：`README.md`

### 继续会触碰什么

- **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：`README.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：`README.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**：用安装前交互式试用判断工作方式是否匹配，不需要授权或改环境。（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。）
- **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。
- **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_0004` 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：`README.md` Claim：`clm_0005` 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：`README.md` Claim：`clm_0001` supported 0.86

### 上下文规模

- 文件总数：36
- 重要文件覆盖：32/36
- 证据索引条目：32
- 角色 / Skill 条目：5

### 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 continuum 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 continuum 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 continuum 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 5 个角色 / Skill / 项目文档条目。

- **Continuum**（project_doc）：! ci https://github.com/nikhilkagita04/continuum/actions/workflows/ci.yml/badge.svg https://github.com/nikhilkagita04/continuum/actions/workflows/ci.yml 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`
- **Graph tier — temporal knowledge graph optional, advanced**（project_doc）：Graph tier — temporal knowledge graph optional, advanced 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：`backend/graphiti/README.md`
- **Contributing to Continuum**（project_doc）：Thanks for your interest! Continuum is the open capture + memory layer — a shovel others build use cases on. Contributions to the core are very welcome. 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`
- **Capture quality — design & contributor guide**（project_doc）：Capture quality — design & contributor guide 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/architecture/capture-quality.md`
- **Continuum ingestion pipeline — design**（project_doc）：Continuum ingestion pipeline — design 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/architecture/ingestion-pipeline.md`

## 证据索引

- 共索引 32 条证据。

- **Continuum**（documentation）：! ci https://github.com/nikhilkagita04/continuum/actions/workflows/ci.yml/badge.svg https://github.com/nikhilkagita04/continuum/actions/workflows/ci.yml 证据：`README.md`
- **Graph tier — temporal knowledge graph optional, advanced**（documentation）：Graph tier — temporal knowledge graph optional, advanced 证据：`backend/graphiti/README.md`
- **Package**（package_manifest）：{ "name": "continuum-core", "version": "0.1.5", "description": "Continuum — an open capture + memory layer for your computer. Capture everything you do event-driven, on-device , segment it, index it, and selectively distill it into a temporal knowledge graph. A shovel: build your own use cases on top.", "type": "module", "bin": { "continuum": "bin/continuum.mjs" }, "exports": { ".": "./daemon/pipeline.mjs", "./segmenter": "./daemon/stage2/segmenter.mjs", "./index": "./daemon/stage3/index.mjs", "./distill": "./daemon/stage4/distill.mjs", "./retrieval": "./daemon/retrieval.mjs", "./adapters": "./daemon/adapters.mjs", "./config": "./daemon/config.mjs" }, "scripts": { "test": "node daemon/stage… 证据：`package.json`
- **Contributing to Continuum**（documentation）：Thanks for your interest! Continuum is the open capture + memory layer — a shovel others build use cases on. Contributions to the core are very welcome. 证据：`CONTRIBUTING.md`
- **Capture quality — design & contributor guide**（documentation）：Capture quality — design & contributor guide 证据：`docs/architecture/capture-quality.md`
- **Continuum ingestion pipeline — design**（documentation）：Continuum ingestion pipeline — design 证据：`docs/architecture/ingestion-pipeline.md`
- **License**（source_file）：Apache License Version 2.0, January 2004 http://www.apache.org/licenses/ 证据：`LICENSE`
- **Claude Desktop**（structured_config）：{ " comment": "Easiest: run continuum mcp-config to print this with the exact node + server paths already filled in for your machine. Otherwise replace with the output of which node and with your continuum directory. Merge the 'continuum' block into ~/Library/Application Support/Claude/claude desktop config.json, then fully restart Claude Desktop and ask it: 'what was I working on?'", "mcpServers": { "continuum": { "command": " ", "args": " /daemon/mcp-server.mjs" } } } 证据：`examples/claude-desktop.json`
- **Adapters**（source_file）：// Adapters — the seams where the pure pipeline meets the outside world. // Each has a real implementation and an offline/mock variant so the whole pipeline // runs and tests with zero network. ⋮---- // ---------- embedders: async text - number ---------- ⋮---- // Deterministic local embedder hashed bag-of-words, L2-normalized . No deps, no // network — used for tests and as a cheap on-device fallback. export function localEmbedder dim = 256 ⋮---- // FREE / private: a real local embedding model via Ollama no key, no network leaves device . // prerequisite: ollama pull nomic-embed-text export function ollamaEmbedder ⋮---- // PAID / quality: OpenAI embeddings cheap — text-embedding-3-small ≈… 证据：`daemon/adapters.mjs`
- **Dashboard**（source_file）：// continuum verify dashboard — a tiny local web page no deps, no network showing the // timeline of what Continuum captured + a live search box. The 60-second "it works" proof. ⋮---- const json = res, obj = ⋮---- // Timeline reads the store fresh on every request always current . The search index is // rebuilt only when the store file changes, so new captures appear without a restart. const mtime = = ⋮---- async function freshIndex 证据：`daemon/dashboard.mjs`
- **Mcp Server**（source_file）：// Continuum MCP server — exposes your captured context as MCP tools so any MCP client // Claude Desktop, Cursor, your own agent can query your memory. This is the shovel's // primary integration surface: build use cases on top without touching the internals. // // Implements the MCP stdio transport newline-delimited JSON-RPC 2.0 . stdout is the // protocol channel — all logging goes to stderr. // // Claude Desktop config claude desktop config.json : // { "mcpServers": { "continuum": { "command": "node", "args": " /daemon/mcp-server.mjs" } } } ⋮---- // Rebuild the index when the store changes, so Claude sees new captures without a restart. const mtime = = ⋮---- const ready = async = ⋮---- c… 证据：`daemon/mcp-server.mjs`
- **Pipeline**（source_file）：// Orchestrator — wires the stages: Stage 1 events → Stage 2 segmenter → Stage 3 index // + a buffer Stage 4 drains . The capture source is pluggable; the default entrypoint // reads NDJSON CaptureEvents on stdin what the Swift helper emits . ⋮---- export class Pipeline ⋮---- this.episodes = ; // buffer for Stage 4 ⋮---- this. recent = ; // recent episode SimHashes, for cross-episode dedup ⋮---- async ingest ev async flush ⋮---- async store ep ⋮---- // Cross-episode dedup: returning to the same screen re-captures the same text. Skip an // episode that's a near-duplicate of one of the last dozen kills repeated entries . ⋮---- await this.index.add ep ; // Stage 3: searchable immediately T0 ⋮-… 证据：`daemon/pipeline.mjs`
- **Retrieval**（source_file）：// Retrieval — fuses the cheap tier Stage 3 hybrid index with the graph tier // Stage 4 temporal KG , then optionally grounds an answer with an LLM. export async function answerQuery query, ⋮---- ...facts.map f = fact: ${f.fact} , // structured/temporal first ...hits.map h = h.ep.text , // then raw recall 证据：`daemon/retrieval.mjs`
- **Standup**（source_file）：// Example use case built on the Continuum SDK: generate a standup from today's context. // This is the kind of thing the shovel makes a 20-line script. Run after continuum start // has captured some activity: node examples/standup.mjs ⋮---- const { llm } = buildDeps ; // uses whatever provider you configured 证据：`examples/standup.mjs`
- **Menubar**（source_file）：final class AppDelegate: NSObject, NSApplicationDelegate { let item = NSStatusBar.system.statusItem withLength: NSStatusItem.variableLength var task: Process? func applicationDidFinishLaunching note: Notification { ⋮---- let menu = NSMenu ⋮---- @objc func start { ⋮---- let res = Bundle.main.resourcePath ?? "." let t = Process ⋮---- @objc func stop { task?.terminate ; task = nil; item.button?.title = "◌" } @objc func openData { NSWorkspace.shared.open URL fileURLWithPath: NSHomeDirectory + "/.continuum" } @objc func quit { stop ; NSApp.terminate nil } ⋮---- let app = NSApplication.shared let delegate = AppDelegate 证据：`packaging/menubar.swift`
- **Sidecar**（source_file）：OAI KEY = os.environ "OPENAI API KEY" EMB MODEL = os.environ.get "GRAPHITI EMB MODEL", "text-embedding-3-small" EMB DIM = int os.environ.get "GRAPHITI EMB DIM", "1536" PROVIDER = os.environ.get "GRAPHITI LLM PROVIDER", "openai" .lower ⋮---- LLM MODEL = os.environ.get "GRAPHITI LLM MODEL", "gpt-4o-mini" llm = OpenAIClient config=LLMConfig api key=OAI KEY, model=LLM MODEL, small model=LLM MODEL ⋮---- ANTHROPIC KEY = os.environ "ANTHROPIC API KEY" LLM MODEL = os.environ.get "GRAPHITI LLM MODEL", "claude-sonnet-4-6" LLM SMALL = os.environ.get "GRAPHITI LLM SMALL", "claude-haiku-4-5-20251001" llm = AnthropicClient config=LLMConfig api key=ANTHROPIC KEY, model=LLM MODEL, small model=LLM SMALL emb… 证据：`backend/graphiti/sidecar.py`
- **Capture**（source_file）：func attr el: AXUIElement, a: String - CFTypeRef? { var v: CFTypeRef? ⋮---- func axStr el: AXUIElement, a: String - String? { attr el, a as? String } func axEl el: AXUIElement, a: String - AXUIElement? { ⋮---- func axKids el: AXUIElement - AXUIElement { attr el, kAXChildrenAttribute as String as? AXUIElement ?? } func isSecure el: AXUIElement - Bool { ⋮---- let CHROME ROLES: Set = ⋮---- func extract el: AXUIElement, depth: Int, budget: inout Int, seen: inout Set , out: inout String { ⋮---- let role = axStr el, kAXRoleAttribute as String ?? "" ⋮---- let t = v.trimmingCharacters in: .whitespacesAndNewlines let words = t.split whereSeparator: { $0 == " " $0 == "\n" } .count ⋮---- func extractT… 证据：`daemon/stage1/capture.swift`
- **Files**（source_file）：// Stage 1 complement — file watcher "what you write" . Watches configured directories and // emits CaptureEvents when text files change. High-signal, low-noise. Opt-in via config // files.watch . Pure Node FSEvents under the hood via fs.watch recursive . ⋮---- export function watchFiles dirs, onEvent, ⋮---- } catch { / dir missing — skip / } 证据：`daemon/stage1/files.mjs`
- **Screen**（source_file）：let EXCLUDED: Set = { var s: Set = "1Password", "Keychain Access", "Bitwarden", "Dashlane", "LastPass" ⋮---- let SELF MARKERS = "What your machine captured", "continuum: tier=", "capture=screen embed=" let BROWSERS: Set = "Google Chrome", "Safari", "Arc", "Firefox", "Microsoft Edge", "Brave Browser", "Opera" func cropTopBand image: CGImage, fraction: Double - CGImage { let band = Int Double image.height fraction let rect = CGRect x: 0, y: band, width: image.width, height: image.height - band ⋮---- func nowMs - Int { Int Date .timeIntervalSince1970 1000 } func emit obj: String: Any { ⋮---- func captureFocusedWindow async - CGImage, String, String ? { ⋮---- let appName = app.localizedName ??… 证据：`daemon/stage1/screen.swift`
- **Segmenter**（source_file）：// Stage 2 — dedup + segmentation engine pure core, no I/O . // // Consumes a stream of normalized CaptureEvents and emits coherent Episodes. // Source-agnostic: an event looks the same whether it came from the event-driven // AX/NSWorkspace/FSEvents capture helper Stage 1 or any other producer. // // CaptureEvent { t:ms, source:'ax' 'ocr' 'clipboard' 'file' 'audio', // app, window id, url host?, title?, text, secure? } // Episode { id, app, window id, url host, title, start, end, // active duration, text, source mix , dedup count, // content hash, salience, close reason } // // Design notes: // - Per-window accumulators Map keyed by window id handle split attention, and // naturally deboun… 证据：`daemon/stage2/segmenter.mjs`
- **Index**（source_file）：// Stage 3 — hybrid index the firehose tier . Every episode is searchable cheaply by // fusing four signals: semantic vector , lexical BM25 , recency, and salience. ⋮---- export class HybridIndex ⋮---- this.embed = embed; // async text - number optional; vector signal off if absent ⋮---- this.df = new Map ; // term - document frequency ⋮---- async add ep ⋮---- bm25 qTerms, d ⋮---- async search query, ⋮---- normalizeField scored, 'vec' ; // cosine is already 0..1-ish but normalize for fair fusion normalizeField scored, 'kw' ; // BM25 is unbounded → must normalize 证据：`daemon/stage3/index.mjs`
- **Distill**（source_file）：// Stage 4 — distillation. The only place an LLM runs: async, batched, budget-bounded, // over distilled input topic clusters / rollups , never raw episodes. ⋮---- // Greedy single-pass clustering by embedding cosine. Cheap, no LLM. export function cluster items, simThreshold = 0.45 ⋮---- const clusterSalience = c ⋮---- // Daily rollup: cluster the day's episodes, summarize the most salient clusters within // a fixed LLM budget the escalation ladder's T2 , then graph-extract the summaries T3 . export async function runDailyRollup episodes, ⋮---- if llmCalls = dailyBudget break; // budget gate → tail stays at T0 embedded only ⋮---- let graphWrites = 0; // T3: graph-extract the distilled summ… 证据：`daemon/stage4/distill.mjs`
- **compiled native helpers — build locally via swiftc**（source_file）：compiled native helpers — build locally via swiftc daemon/ocr daemon/ax daemon/audio daemon/stage1/capture daemon/stage1/screen 证据：`.gitignore`
- **Notice**（source_file）：This product includes software developed by the Continuum project. Licensed under the Apache License, Version 2.0. 证据：`NOTICE`
- **Continuum**（source_file）：// Continuum CLI — the "shovel". Install once, configure a couple of keys or go fully // local , and stream your context. Build use cases on top via the importable modules // or the MCP server. // // continuum verify 60-second proof it works no keys, no permissions // continuum start run event-driven capture → pipeline persists locally // continuum dashboard open the local timeline + search at http://localhost:3939 // continuum mcp run the MCP server point Claude Desktop / agents at this // continuum doctor check the environment + resolved config // continuum config print resolved config keys redacted ⋮---- const hasSwiftc = = ⋮---- // Resolve a native capture helper 'screen' 'capture' , bu… 证据：`bin/continuum.mjs`
- **Config**（source_file）：// Config + tier resolution. The whole product surface in one place. // // Tiers the "shovel" business model : // free — fully local Ollama or hashed fallback. Capture + segment + vector // recall + on-device summaries. $0, private, no key. NO graph. // pro — bring an OpenAI/Anthropic key or our hosted endpoint . Adds the // temporal knowledge graph entity/relation extraction needs a frontier // model — local models provably can't satisfy the schemas . // enterprise — self-hosted or cloud, team graph, SSO. sales // // Resolution order: ~/.continuum/config.json < environment variables. ⋮---- capture: { source: 'screen' }, // screen OCR, universal ax accessibility, native apps files: { watch:… 证据：`daemon/config.mjs`
- **Pipeline.Test**（source_file）：// End-to-end offline : synthetic CaptureEvents → segment → index → retrieve → distill. ⋮---- const ok = n, c, x = '' = const ev = t, app, text, wid = ⋮---- // a morning: write an email, then research a different topic in the browser 证据：`daemon/pipeline.test.mjs`
- **Store**（source_file）：// Persistence — a simple append-only NDJSON episode log. Decouples the capture daemon // from the query interfaces CLI / MCP / dashboard : capture appends, readers rebuild // the index. Local-first, debuggable, greppable. ⋮---- export function appendEpisode ep ⋮---- export function loadEpisodes ⋮---- export async function loadIndex embed 证据：`daemon/store.mjs`
- **Store.Test**（source_file）：// Run with an isolated data dir: CONTINUUM DATA=$ mktemp -d node daemon/store.test.mjs ⋮---- const ok = n, c, x = '' = 证据：`daemon/store.test.mjs`
- **Util**（source_file）：// Shared math/text helpers for the pipeline. export const terms = s ⋮---- export function cosine a, b ⋮---- export function mean vecs ⋮---- // normalize a numeric field across an array of objects to 0..1 min-max export function normalizeField arr, key 证据：`daemon/util.mjs`
- **Info**（source_file）：CFBundleName Continuum CFBundleDisplayName Continuum CFBundleIdentifier com.continuum.app CFBundleVersion 0.1.0 CFBundleShortVersionString 0.1.0 CFBundlePackageType APPL CFBundleExecutable Continuum LSMinimumSystemVersion 13.0 LSUIElement NSMicrophoneUsageDescription Continuum transcribes meetings on-device to capture your work context. NSAppleEventsUsageDescription Continuum reads the focused app's content to capture context. 证据：`packaging/Info.plist`
- **Build App**（source_file）：set -euo pipefail ROOT="$ cd "$ dirname "$0" /.." && pwd " APP="$ROOT/packaging/dist/Continuum.app" MACOS="$APP/Contents/MacOS" RES="$APP/Contents/Resources" mkdir -p "$ROOT/packaging/dist" echo "→ compiling menu-bar app" swiftc "$ROOT/packaging/menubar.swift" -o "$ROOT/packaging/dist/Continuum.bin" echo "→ compiling capture helper if needed " -f "$ROOT/daemon/stage1/capture" swiftc "$ROOT/daemon/stage1/capture.swift" -o "$ROOT/daemon/stage1/capture" echo "→ assembling bundle" rm -rf "$APP" mkdir -p "$MACOS" "$RES/daemon" cp "$ROOT/packaging/dist/Continuum.bin" "$MACOS/Continuum" cp "$ROOT/packaging/Info.plist" "$APP/Contents/Info.plist" cp "$ROOT/daemon/stage1/capture" "$RES/capture" cp -R… 证据：`packaging/build-app.sh`

## 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：`README.md`, `backend/graphiti/README.md`, `package.json`
- **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：`README.md`, `backend/graphiti/README.md`, `package.json`

## 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。

- **概览、安装与版本分层**：importance `high`
  - source_paths: README.md, package.json, bin/continuum.mjs, daemon/config.mjs
- **系统架构与四阶段数据流**：importance `high`
  - source_paths: docs/architecture/ingestion-pipeline.md, daemon/pipeline.mjs, daemon/adapters.mjs, daemon/store.mjs, daemon/stage2/segmenter.mjs
- **捕获质量与 Stage 1（社区重点议题）**：importance `high`
  - source_paths: daemon/stage1/capture.swift, daemon/stage1/screen.swift, daemon/stage1/files.mjs, docs/architecture/capture-quality.md, daemon/stage4/distill.mjs
- **图谱后端、MCP 集成与可扩展性**：importance `high`
  - source_paths: backend/graphiti/sidecar.py, backend/graphiti/README.md, daemon/mcp-server.mjs, daemon/dashboard.mjs, examples/claude-desktop.json

## Repo Inspection Evidence / 源码检查证据

- repo_clone_verified: true
- repo_inspection_verified: true
- repo_commit: `3f5b20bb92f2501cf42e92661b7925bfdacd941d`
- inspected_files: `README.md`, `package.json`, `docs/architecture/capture-quality.md`, `docs/architecture/ingestion-pipeline.md`, `examples/claude-desktop.json`

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: 可能修改宿主 AI 配置

- Trigger: 项目面向 Claude/Cursor/Codex/Gemini/OpenCode 等宿主，或安装命令涉及用户配置目录。
- Host AI rule: 列出会写入的配置文件、目录和卸载/回滚步骤。
- Why it matters: 安装可能改变本机 AI 工具行为，用户需要知道写入位置和回滚方法。
- Evidence: capability.host_targets | https://github.com/nikhilkagita04/continuum | host_targets=mcp_host, claude, cursor, chatgpt
- 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: 失败模式：configuration: Capture: LLM structuring pass to attribute episodes (who said what)

- Trigger: Developers should check this configuration risk before relying on the project: Capture: LLM structuring pass to attribute episodes (who said what)
- Host AI rule: Before packaging this project, run the relevant install/config/quickstart check for: Capture: LLM structuring pass to attribute episodes (who said what). Context: Source discussion did not expose a precise runtime context.
- Why it matters: Developers may misconfigure credentials, environment, or host setup: Capture: LLM structuring pass to attribute episodes (who said what)
- Evidence: failure_mode_cluster:github_issue | https://github.com/nikhilkagita04/continuum/issues/2 | Capture: LLM structuring pass to attribute episodes (who said what)
- 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: 失败模式：configuration: Capture: emit AX focused-element as clean user-authored text

- Trigger: Developers should check this configuration risk before relying on the project: Capture: emit AX focused-element as clean user-authored text
- Host AI rule: Before packaging this project, run the relevant install/config/quickstart check for: Capture: emit AX focused-element as clean user-authored text. Context: Observed when using macos
- Why it matters: Developers may misconfigure credentials, environment, or host setup: Capture: emit AX focused-element as clean user-authored text
- Evidence: failure_mode_cluster:github_issue | https://github.com/nikhilkagita04/continuum/issues/1 | Capture: emit AX focused-element as clean user-authored text
- 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: 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 | https://github.com/nikhilkagita04/continuum | 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 5: 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 | https://github.com/nikhilkagita04/continuum | 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。

- Trigger: no_demo
- Evidence: downstream_validation.risk_items | https://github.com/nikhilkagita04/continuum | 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 7: 存在评分风险

- Trigger: no_demo
- Why it matters: 风险会影响是否适合普通用户安装。
- Evidence: risks.scoring_risks | https://github.com/nikhilkagita04/continuum | 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：Capture: LLM structuring pass to attribute episodes (who said what)

- 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：Capture: LLM structuring pass to attribute episodes (who said what)
- 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: 可能影响授权、密钥配置或安全边界。
- Evidence: community_evidence:github | https://github.com/nikhilkagita04/continuum/issues/2 | 来源类型 github_issue 暴露的待验证使用条件。
- 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: 来源证据：Capture: emit AX focused-element as clean user-authored text

- 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：Capture: emit AX focused-element as clean user-authored text
- 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: 可能影响授权、密钥配置或安全边界。
- Evidence: community_evidence:github | https://github.com/nikhilkagita04/continuum/issues/1 | 来源讨论提到 macos 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 10: 失败模式：conceptual: Capture: exclude Continuum's own windows (dashboard/terminal) from capture

- Trigger: Developers should check this conceptual risk before relying on the project: Capture: exclude Continuum's own windows (dashboard/terminal) from capture
- Host AI rule: 复核 source-backed failure mode cluster，并把适用版本和验证路径写入资产。
- Why it matters: Developers may hit a documented source-backed failure mode: Capture: exclude Continuum's own windows (dashboard/terminal) from capture
- Evidence: failure_mode_cluster:github_issue | https://github.com/nikhilkagita04/continuum/issues/4 | Capture: exclude Continuum's own windows (dashboard/terminal) from capture
- 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。