# https://github.com/vornicx/Midas 项目说明书 生成时间：2026-06-25 17:25:57 UTC ## 目录 - [核心记忆引擎与存储抽象](#page-1) - [MCP 服务器与多客户端集成](#page-2) - [来源治理护栏与信念修订](#page-3) - [评估套件与蒸馏档位](#page-4) ## 核心记忆引擎与存储抽象 ### 相关页面 相关主题：[MCP 服务器与多客户端集成](#page-2), [来源治理护栏与信念修订](#page-3)
相关源码文件 以下源码文件用于生成本页说明： - [midas/memory.py](https://github.com/vornicx/Midas/blob/main/midas/memory.py) - [midas/importance.py](https://github.com/vornicx/Midas/blob/main/midas/importance.py) - [midas/audit.py](https://github.com/vornicx/Midas/blob/main/midas/audit.py) - [midas/distill.py](https://github.com/vornicx/Midas/blob/main/midas/distill.py) - [midas/mcp_server.py](https://github.com/vornicx/Midas/blob/main/midas/mcp_server.py) - [eval/adapters/midas_adapter.py](https://github.com/vornicx/Midas/blob/main/eval/adapters/midas_adapter.py) - [eval/memory_safety.py](https://github.com/vornicx/Midas/blob/main/eval/memory_safety.py) - [eval/runner.py](https://github.com/vornicx/Midas/blob/main/eval/runner.py) - [server.json](https://github.com/vornicx/Midas/blob/main/server.json) - [examples/coding_agent_demo.py](https://github.com/vornicx/Midas/blob/main/examples/coding_agent_demo.py)
# 核心记忆引擎与存储抽象 Midas 的核心是一套**本地优先、源可追溯**的智能体记忆系统。`Memory` 类是整个引擎的中枢，它把"写入→评分→检索→修订"封装为可组合的管道，对外通过 MCP（Model Context Protocol）暴露给 LLM 代理使用，对内通过统一的存储抽象支持多种后端。设计哲学是**"零 LLM 入库、按需蒸馏"**：默认所有原始 turn 直接落盘并打上 provenance（规划 / 行动 / 观察 / 用户确认），LLM 仅在显式开启蒸馏或弃权校准时才介入。资料来源：[midas/memory.py](https://github.com/vornicx/Midas/blob/main/midas/memory.py) ## 架构总览 `Memory` 实例持有 `store`（后端）、`embedder`（嵌入器）、可选 `distiller`、可选 `reranker` 与可选 NLI 模型，并通过 `recall()` / `remember()` / `assemble()` / `forget_decayed()` 等方法协调它们。资料来源：[midas/memory.py](https://github.com/vornicx/Midas/blob/main/midas/memory.py) ```mermaid flowchart LR Agent[LLM Agent / MCP 客户端] -->|remember / recall| Mem[Memory 引擎] Mem --> Imp[ContentImportance / StructuralImportance] Mem --> Embed[LocalEmbedder / ONNX] Mem --> BM25[混合 BM25 索引] Mem --> Store[(Store 抽象层)] Store -->|默认| SQLite[SQLite] Store -->|可选| TurboVec[TurboVec] Mem -->|可选 tier-3| Distill[OllamaDistiller] Distill --> Mem ``` ## 核心生命周期：`remember` → `recall` `remember()` 接受 `content / kind / importance / provenance / metadata`，若 `importance=0` 则交给 `ContentImportance` 或 `StructuralImportance` 在**无 LLM 情况下**自动评分（一阶人称 + 持久关键词 + 实体权重；问句与元话语被降权）。资料来源：[midas/importance.py](https://github.com/vornicx/Midas/blob/main/midas/importance.py) `recall()` 是关键路径：先做语义向量召回，再按配置融合 BM25 词法得分（RRF / 加权），最后用 `_PROVENANCE_RANK` 与超驰链剔除被修订版本、按 `min_importance` 与 `min_relevance` 过滤，并通过 `as_of` 时间戳支持"当时相信什么"的历史查询。资料来源：[midas/memory.py](https://github.com/vornicx/Midas/blob/main/midas/memory.py) 引擎在两处显式缓存以避免 O(N) 重建：BM25 索引用 store 版本号作 key（实测让 LongMemEval 规模下混合检索从 66 ms 降到 1.9 ms）；`rec_by_id` 缓存同理。资料来源：[midas/memory.py](https://github.com/vornicx/Midas/blob/main/midas/memory.py) ## 存储抽象与可插拔后端 `Store` 是统一的 `all() / get() / upsert() / mark_superseded()` 接口，配置由 `MidasAdapter.reset()` 决定 `store_kind`（`sqlite` / `turbovec`），后者支持量化位宽 `turbovec_bits` 与池大小 `turbovec_pool`。`adapter.store_size` 直接返回 `len(self._mem.store.all())`，是 `forget_decayed()` 的容量上限依据。资料来源：[eval/adapters/midas_adapter.py](https://github.com/vornicx/Midas/blob/main/eval/adapters/midas_adapter.py) 环境变量 `MIDAS_MCP_DB` 控制 SQLite 持久化路径，`MIDAS_MCP_EMBEDDER` 在 `local`（bge ONNX，离线）与 `hashing` 之间切换，二者均不依赖外网。资料来源：[server.json](https://github.com/vornicx/Midas/blob/main/server.json) ## 重要性评分与三级蒸馏 `ContentImportance`（基础词袋特征）和 `StructuralImportance`（叠加人称断言 / 持久性 / 元话语判别）共同构成无 LLM 评分栈，使**入库路径对 token 与延迟零开销**。资料来源：[midas/importance.py](https://github.com/vornicx/Midas/blob/main/midas/importance.py) v0.0.4 引入"蒸馏转盘"三级策略： | 层级 | 调用方 | 成本 | 行为 | |---|---|---|---| | 默认（无 LLM） | — | 0 | 原始 turn 直接入库 | | Tier 1 代理驱动 | 代理自身的 LLM | $0 → Midas | 在 recall 后由代理整理 | | Tier 3 本地蒸馏 | `OllamaDistiller` | $0，本机 | 显式 `distill()` 时才跑 | `OllamaDistiller` 用 stdlib `urllib` 调用本地 Ollama，**默认 `keep_raw=True`**——即蒸馏事实以 `metadata["distilled"]=True` 标注为索引层叠加在原始 turn 之上，**而非替换**。A/B 评测显示"蒸馏替换"会让 BEAM 答案从 0.30 跌至 0.08（销毁时序/知识更新细节），而"叠加"恢复到约 0.32。资料来源：[midas/distill.py](https://github.com/vornicx/Midas/blob/main/midas/distill.py) 与 [eval/summarization_ab.py](https://github.com/vornicx/Midas/blob/main/eval/summarization_ab.py) ## 弃权校准与信念链审计 `Memory` 支持 `abstention_threshold / relevance_floor / entailment_floor` 三个阈值；后者会惰性加载 `LocalNLI` 校验检索结果是否被证据蕴涵，从而把"找不到"与"找到了但答不上"区分开。评测中 `llm_answer_and_judge` 会把"弃权"与"作答"分别聚合到 `abstentions` 与 `answers`，按类别（稳定 / 易混 / 不可答）统计。资料来源：[midas/memory.py](https://github.com/vornicx/Midas/blob/main/midas/memory.py) 与 [eval/runner.py](https://github.com/vornicx/Midas/blob/main/eval/runner.py) 每次超驰会写 `superseded_by` 链，`audit.belief_history()` 沿此链双向走，返回**最旧到当前**的完整信念修订时间线，供审计者追溯"我们曾相信 v1（t1），改为 v2（t2）……当前 vN"。资料来源：[midas/audit.py](https://github.com/vornicx/Midas/blob/main/midas/audit.py) ## 常见失败模式 - **不设 `min_importance` 又开了大窗口**：长会话里元话语/问句会拉低召回质量——调高 floor 或先 `capture()` 让 `ContentImportance` 自动降权。 - **`forget_decayed(max_records=N)` 与查询并发**：忘记是基于 store 全量扫描的，应在闲置窗口调用。 - **把蒸馏当记忆的"金盘"**：naive 蒸馏会丢时序与变更轨迹，必须保留原始 `kind="chat"` 记录作审计源。资料来源：[midas/memory.py](https://github.com/vornicx/Midas/blob/main/midas/memory.py) - **未启用 NLI 就上调 `abstention_threshold`**：弃权判定会退化为纯启发式，导致过度弃权。资料来源：[midas/memory.py](https://github.com/vornicx/Midas/blob/main/midas/memory.py) ## See Also - [MCP 服务器与工具接口](mcp_server.md) - [评估管线与基准](eval_pipeline.md) - [蒸馏策略与实验](distillation.md) - [信念审计与超驰链](audit.md) --- ## MCP 服务器与多客户端集成 ### 相关页面 相关主题：[核心记忆引擎与存储抽象](#page-1), [来源治理护栏与信念修订](#page-3)
相关源码文件 以下源码文件用于生成本页说明： - [midas/mcp_server.py](https://github.com/vornicx/Midas/blob/main/midas/mcp_server.py) - [packages/midas-ts/src/mcp.ts](https://github.com/vornicx/Midas/blob/main/packages/midas-ts/src/mcp.ts) - [server.json](https://github.com/vornicx/Midas/blob/main/server.json) - [midas/memory.py](https://github.com/vornicx/Midas/blob/main/midas/memory.py) - [midas/distill.py](https://github.com/vornicx/Midas/blob/main/midas/distill.py) - [midas/audit.py](https://github.com/vornicx/Midas/blob/main/midas/audit.py) - [eval/adapters/midas_adapter.py](https://github.com/vornicx/Midas/blob/main/eval/adapters/midas_adapter.py) - [CONTRIBUTING.md](https://github.com/vornicx/Midas/blob/main/CONTRIBUTING.md)
# MCP 服务器与多客户端集成 ## 概述与设计目标 Midas 通过 [Model Context Protocol（MCP）](https://modelcontextprotocol.io) 将本地优先、可溯源的智能体记忆能力暴露给任意兼容 MCP 的主机（例如 Claude Desktop、IDE 插件、TypeScript 智能体）。MCP 服务器本身是 `midas/mcp_server.py` 中的一个 `FastMCP` 实例，它在本地 stdio 上运行，把 Python 端的 `Memory` 引擎以一组工具（tools）的形式提供给客户端。资料来源：[midas/mcp_server.py]() 整个系统强调"无 LLM 入库、完全离线"——MCP 服务器在写入或检索阶段均不调用大模型，离线嵌入（`bge` ONNX）随依赖一同分发，从而保证数据零外泄。资料来源：[server.json:1-25]() 中的 `description` 字段明确指出 "Local-first, source-traceable agent memory — no LLM at ingest, fully offline"。 v0.0.4 版本同时发布两条客户端路径：Python 端经由 PyPI 包 `midas-memory-mcp` 走 `uvx` 启动；TypeScript 端经由 `packages/midas-ts` 直接在 Node.js 智能体内嵌。两端共享同一份核心契约，因此记忆视图、命名空间、溯源语义在两种语言下保持一致。资料来源：[server.json:8-22]()、`packages/midas-ts/src/mcp.ts:1-60]() ## MCP 服务器工具集 `midas/mcp_server.py` 用 `@server.tool(...)` 装饰器注册了四类核心工具，构成客户端与记忆引擎之间的最小契约： | 工具名 | 作用 | 关键参数 | |---|---|---| | `remember` | 写入一条记忆 | `content`、`kind`（note/chat/fact/preference/constraint/mission）、`importance`（1-5，0=自动推导）、`session`、`provenance`（planning/action/observation/user_confirmation）、`actor`、`namespace` | | `recall` | 语义检索 + 可选混合检索 | `query`、`limit`、`kind`、`min_importance`、`hybrid`、`fusion`、`as_of`（历史时间点查询） | | `inspect_memory` | 按 id 查单条记录（无嵌入泄露） | `memory_id` | | `remember_code` | 编码智能体专用分类记忆 | `code_kind`（architecture_decision、dependency_choice、convention、bug_fixed、recurring_failure、forbidden_action、command_worked、command_failed）、`project` | `remember` 工具的语义值得特别注意：`importance=0` 表示让 `Memory` 依据内容自动打分（无 LLM），`provenance` 字段会被后续 `guard_reliance` 用于阻断计划/观察被当作"用户确认"使用。资料来源：[midas/mcp_server.py]() 中四个 `@server.tool(...)` 块。`recall` 工具的 `as_of` 参数支持历史快照式查询："当时记忆里写了什么"，通过 `as_of_ts` 过滤实现版本对齐。资料来源：[midas/mcp_server.py:recall 块]()、`midas/memory.py]()` 中 `_PROVENANCE_RANK` 与 `belief_history` 实现 `remember_code` 是编码智能体场景下的关键工具——它把 `forbidden_action` 这类约束以 `code_kind` 维度索引，使得后续 `check_forbidden_action` 与 `project_state` 视图能按项目维度聚合"决策、依赖、约定、bug、禁用动作"。当 `_MAX_RECORDS` 越界时，服务器会调用 `_mem.forget_decayed(max_records=...)` 自动遗忘（无 LLM）。资料来源：[midas/mcp_server.py:remember_code 块]() ## 多客户端集成方式 Midas 在 v0.0.4 中通过 `server.json` 将自身声明为一个标准的 MCP 服务器清单。资料来源：[server.json:1-25]() ```mermaid flowchart LR Host[兼容 MCP 的主机
Claude Desktop / IDE / Agent] -->|stdio JSON-RPC| PyServer[midas-memory-mcp
PyPI uvx 启动] Host -->|stdio JSON-RPC| TSServer[packages/midas-ts
Node.js 内嵌] PyServer --> Core[Memory 引擎
SQLite + bge ONNX] TSServer --> Core Core --> Recall[recall / hybrid / as_of] Core --> Audit[belief_history / inspect] ``` **Python 客户端** 通过 `uvx midas-memory-mcp` 启动，传输层为 stdio。该包在 `server.json` 中以 `runtimeHint: uvx` 与 `transport.type: stdio` 标注，使主机可零配置拉起。资料来源：[server.json:11-22]() **TypeScript 客户端** 提供了等价能力：`packages/midas-ts/src/mcp.ts` 使用 `zod` 定义 `inputSchema`（如 `kind`、`provenance`、枚举 `MEMORY_PROVENANCE`），并把 MCP `registerTool` 调用映射到本地 `mem.remember()`、`mem.recall()`。资料来源：[packages/midas-ts/src/mcp.ts:Remember 块]() 两条路径都把"自动遗忘上限"作为客户端可配置项——TypeScript 端通过 `boundStore()` 在 `remember` 后检查 `len(mem.store.all())` 并触发衰减。资料来源：[packages/midas-ts/src/mcp.ts:Remember 块末尾]() ## 配置、环境变量与最佳实践 MCP 服务器支持通过环境变量定制行为，全部列在 `server.json` 的 `environmentVariables` 字段中： | 环境变量 | 默认 | 作用 | |---|---|---| | `MIDAS_MCP_DB` | 内存 | SQLite 文件路径；持久化跨重启 | | `MIDAS_MCP_EMBEDDER` | `local` | 嵌入后端（`local`=bge ONNX 离线 / `hashing`） | | `MIDAS_MCP_MAX_RECORDS` | 无上限 | 存储容量上限；越界触发 `forget_decayed` | 资料来源：[server.json:14-25]() 最佳实践方面：1) 使用 `namespace` 隔离多用户/多项目；2) 把 `provenance=user_confirmation` 仅留给用户显式确认的内容，外发动作（publish、send、delete）只信任这一档；3) 检索优先走 `hybrid=true` 配合 `fusion` 参数（融合 BM25 与语义），避免仅靠 paraphrase 错失精确标识符；4) 写入时尽量让 `kind` 与 `code_kind` 落到正确枚举，便于 `project_state` 视图聚合。资料来源：[midas/mcp_server.py:remember / recall 块]()、`CONTRIBUTING.md]()` 中"Eval quick reference"与"Dev setup"段落 ## See Also - 蒸馏三档（agent-driven / `OllamaDistiller` / 默认关闭）详见 `midas/distill.py` 与 `DISTILL_PROMPT` - 评测适配器与 `midas_adapter` 详见 `eval/adapters/midas_adapter.py` - 安全护栏（`guard_reliance`、provenance 等级）详见 `midas/memory.py` 与 `eval/memory_safety.py` - 审计与版本链 `belief_history` 详见 `midas/audit.py` --- ## 来源治理护栏与信念修订 ### 相关页面 相关主题：[核心记忆引擎与存储抽象](#page-1), [评估套件与蒸馏档位](#page-4)
相关源码文件 以下源码文件用于生成本页说明： - [midas/memory.py](https://github.com/vornicx/Midas/blob/main/midas/memory.py) - [midas/audit.py](https://github.com/vornicx/Midas/blob/main/midas/audit.py) - [midas/mcp_server.py](https://github.com/vornicx/Midas/blob/main/midas/mcp_server.py) - [eval/memory_safety.py](https://github.com/vornicx/Midas/blob/main/eval/memory_safety.py) - [eval/adapters/midas_adapter.py](https://github.com/vornicx/Midas/blob/main/eval/adapters/midas_adapter.py) - [midas/sqlite_store.py](https://github.com/vornicx/Midas/blob/main/midas/sqlite_store.py) - [midas/importance.py](https://github.com/vornicx/Midas/blob/main/midas/importance.py)
# 来源治理护栏与信念修订 Midas 作为本地优先（local-first）的代理长期记忆系统，将"记忆究竟来自哪里"与"记忆何时需要被改写"放在与检索同等核心的位置。本页说明两个相互耦合的子系统：(1) 来源分级与行动护栏（provenance guardrails），负责判定一条记忆在何种条件下可以驱动一次外部或破坏性动作；(2) 信念修订链（belief revision chain），负责在新事实取代旧事实时保留可审计的版本历史。 ## 来源分级与传递模型 每条 `MemoryRecord` 都携带 `provenance` 字段。Midas 在 [`midas/memory.py`](https://github.com/vornicx/Midas/blob/main/midas/memory.py) 中以 `_PROVENANCE_RANK` 对其按可信度排序： | Rank | Provenance | 语义 | | ---- | ------------- | --------------------------------------------- | | 0 | `planning` | 内部计划 / 思考，未与外部世界交互 | | 1 | `observation` | 来自环境的观察或读取 | | 2 | `action` | 系统自身执行的动作 | | 3 | `user_confirmation` | 用户显式确认 | 该分级不仅是标签，还直接参与行动守门。在评测适配层 [`eval/adapters/midas_adapter.py`](https://github.com/vornicx/Midas/blob/main/eval/adapters/midas_adapter.py) 的 `ingest` 实现中，`event.metadata.get("provenance", "observation")` 的默认值确保了"未标注的对话即观察"，从而防止下游把规划阶段的话术误升格为可执行事实。 ## 行动护栏与守门测试 `guard_reliance` 是护栏入口，针对具体的动作请求（`query`、`intended_use`、`acting_agent`）返回包含 `allowed` 字段的 `Decision`。测试套件 [`eval/memory_safety.py`](https://github.com/vornicx/Midas/blob/main/eval/memory_safety.py) 将场景划分为 `attack`（应当拒绝）与 `benign`（应当放行）两类 `SafetyCase`，核心攻击模式包括：注入源攻击（把外部文本伪装成内部观察请求破坏性动作）、遗忘确认攻击（复用已被新 Error with Openai API: peer closed connection without sending complete message body (incomplete chunked read) Please check that you have set the OPENAI_API_KEY environment variable with a valid API key. --- ## 评估套件与蒸馏档位 ### 相关页面 相关主题：[核心记忆引擎与存储抽象](#page-1), [来源治理护栏与信念修订](#page-3)
相关源码文件 以下源码文件用于生成本页说明： - [eval/datasets.py](https://github.com/vornicx/Midas/blob/main/eval/datasets.py) - [eval/runner.py](https://github.com/vornicx/Midas/blob/main/eval/runner.py) - [eval/adapters/midas_adapter.py](https://github.com/vornicx/Midas/blob/main/eval/adapters/midas_adapter.py) - [eval/summarization_ab.py](https://github.com/vornicx/Midas/blob/main/eval/summarization_ab.py) - [eval/memory_safety.py](https://github.com/vornicx/Midas/blob/main/eval/memory_safety.py) - [midas/distill.py](https://github.com/vornicx/Midas/blob/main/midas/distill.py) - [midas/memory.py](https://github.com/vornicx/Midas/blob/main/midas/memory.py) - [midas/importance.py](https://github.com/vornicx/Midas/blob/main/midas/importance.py) - [midas/audit.py](https://github.com/vornicx/Midas/blob/main/midas/audit.py) - [midas/mcp_server.py](https://github.com/vornicx/Midas/blob/main/midas/mcp_server.py) - [server.json](https://github.com/vornicx/Midas/blob/main/server.json)
# 评估套件与蒸馏档位 Midas v0.0.4 的核心原则是"本地优先、源可追溯、摄入时无 LLM"。`eval/` 套件在此原则下承担两重角色:验证记忆层在长程基准上的真实质量,以及在蒸馏(distillation)这一最易引入隐藏成本与质量损失的环节提供可复现的 A/B 对照。社区最关心的是 v0.0.4 引入的"蒸馏档位(dial)"——三档可配置、默认关闭,经过诚实测量后被证实"naive distillation 不能提升答案正确率"。 ## 蒸馏档位与默认关闭的原因 `Memory(distiller=...)` 才是启用 LLM 蒸馏的开关;未配置时,`Memory` 全程不调用任何 LLM,所有抽取都来自 `midas/importance.py` 中的内容/结构启发式(例如 `ContentImportance` 通过首人称/断言/元话语正则区分"陈述事实"与"提问")。资料来源:[midas/importance.py:1-40]() 三档含义对照如下: | 档位 | 触发方式 | LLM 来源 | 成本 | 写入策略 | |------|----------|----------|------|----------| | Tier 1 · 代理驱动 | 代理在对话内自行 summarize 后 `remember()` | 代理自身的 LLM | $0 to Midas | 写入代理产出 | | Tier 2 · 本地蒸馏 | `Memory(distiller=OllamaDistiller(...))` | Ollama 本地模型 | $0,数据不出设备 | `keep_raw=True`,原文与蒸馏事实双写 | | Tier 3 · 默认/关闭 | 不传 `distiller` | 无 | $0 | 仅保留原文,LLM 不参与 | Tier 2 的实现是 `OllamaDistiller`——仅依赖标准库 `urllib`,无新增依赖,通过 `ollama serve` + 已拉取的模型(默认 `llama3.2:3b`)工作,温度默认 0 以稳定产出。资料来源:[midas/distill.py:30-80]() `Memory.distill` 的 docstring 给出关键经验数据:在 BEAM A/B 中,蒸馏 **替换** 原文使答案分数从 0.30 跌至 0.08,而蒸馏 **叠加** 原文则回升到约 0.32(基本持平)。因此默认 `keep_raw=True`:蒸馏产物作为索引层叠加在原文审计链之上,而非覆盖。资料来源:[midas/memory.py:280-320]() ## 评估套件组成 - **数据集**:`eval/datasets.py` 提供多种长程基准。`longmemeval()` 加载 ICLR 2025 的 LongMemEval,覆盖信息抽取、多会话推理、时间推理、知识更新、弃权五项能力;`beam()` 与 `conflicts()` 则构造可控制的事实冲突、稳定/弃权对照用例。资料来源:[eval/datasets.py:1-60]() - **运行器**:`eval/runner.py` 负责批量调度、LLM 判分与 NLI 验证,并对弃权与答案路径分别聚合,便于直接对比带/不带 grounding 的分数。资料来源:[eval/runner.py:1-50]() - **适配器**:`eval/adapters/midas_adapter.py` 将 `Event` 列表转为 `remember_many()` 的输入项;当配置了 `importance_scorer` 或 `novelty_weight` 时,显式 `importance=None` 让 `Memory` 自动推导(基于内容显著度与对库的新颖度,无 LLM)。资料来源:[eval/adapters/midas_adapter.py:1-40]() - **A/B 实验**:`eval/summarization_ab.py` 直接比较 `raw / naive / struct / struct_replace` 四种摘要方案。其 `STRUCT_PROMPT` 注释明确指出:对知识更新与时间推理类问题,naive 的"一句压缩事实"会丢失变化前后的双侧状态,因此该实验本身即为"为何默认不蒸馏替换"的实证。资料来源:[eval/summarization_ab.py:1-80]() ## 常见失败模式与安全护栏 - **以蒸馏结果替换原文**:丢失时间/知识更新信号,答案 0.30 → 0.08。务必 `keep_raw=True`。资料来源:[midas/memory.py:280-320]() - **忘配 `distiller` 仍调用 `distill()`**:抛 `RuntimeError`,提示需 `Memory(distiller=...)`。资料来源:[midas/memory.py:300]() - **A/B 时混淆 `struct` 与 `struct_replace`**:后者代表"以结构化摘要覆盖原文"的危险路径,务必在评测矩阵中与 `struct`(叠加)分开。资料来源:[eval/summarization_ab.py:1-80]() 审计侧通过 `midas/audit.py:belief_history()` 沿 `superseded_by` 链接回放完整修订链,验证"我们曾经认为 X,何时被 X' 取代"。资料来源:[midas/audit.py:1-60]() 安全侧由 `eval/memory_safety.py` 维护"攻击 vs 良性"用例,覆盖被遗忘的确认注入、计划被误用为建议等模式,确保 `provenance` 与弃权阈值真正起到护栏作用。资料来源:[eval/memory_safety.py:1-40]() MCP 层(`midas/mcp_server.py`)与 `server.json` 注册元数据同样把蒸馏定位为 opt-in:任何外部动作(`external_action`)只允许依赖 `user_confirmation` 来源,与 Tier 1/2 的"摘要只是索引层"一致。资料来源:[midas/mcp_server.py:1-40]() [server.json:1-30]() ## 参见 - [eval/benches.py](https://github.com/vornicx/Midas/blob/main/eval/benches.py) — 基准入口与汇总 - [midas/mcp_server.py](https://github.com/vornicx/Midas/blob/main/midas/mcp_server.py) — MCP 服务器对蒸馏档位的暴露面 - [server.json](https://github.com/vornicx/Midas/blob/main/server.json) — MCP 注册元数据(版本、环境变量) - [mcpb/manifest.json](https://github.com/vornicx/Midas/blob/main/mcpb/manifest.json) — 一键打包清单,声明 `MIDAS_MCP_EMBEDDER` 等开关 --- --- ## Doramagic 踩坑日志 项目：vornicx/Midas 摘要：发现 7 个潜在踩坑项，其中 0 个为 high/blocking；最高优先级：配置坑 - 可能修改宿主 AI 配置。 ## 1. 配置坑 · 可能修改宿主 AI 配置 - 严重度：medium - 证据强度：source_linked - 发现：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。 - 对用户的影响：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。 - 证据：capability.host_targets | https://github.com/vornicx/Midas | host_targets=mcp_host, claude_code, claude, cursor ## 2. 能力坑 · 能力判断依赖假设 - 严重度：medium - 证据强度：source_linked - 发现：README/documentation is current enough for a first validation pass. - 对用户的影响：假设不成立时，用户拿不到承诺的能力。 - 证据：capability.assumptions | https://github.com/vornicx/Midas | README/documentation is current enough for a first validation pass. ## 3. 维护坑 · 维护活跃度未知 - 严重度：medium - 证据强度：source_linked - 发现：未记录 last_activity_observed。 - 对用户的影响：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。 - 证据：evidence.maintainer_signals | https://github.com/vornicx/Midas | last_activity_observed missing - 严重度：medium - 证据强度：source_linked - 发现：no_demo - 证据：downstream_validation.risk_items | https://github.com/vornicx/Midas | no_demo; severity=medium ## 5. 安全/权限坑 · 存在评分风险 - 严重度：medium - 证据强度：source_linked - 发现：no_demo - 对用户的影响：风险会影响是否适合普通用户安装。 - 证据：risks.scoring_risks | https://github.com/vornicx/Midas | no_demo; severity=medium ## 6. 维护坑 · issue/PR 响应质量未知 - 严重度：low - 证据强度：source_linked - 发现：issue_or_pr_quality=unknown。 - 对用户的影响：用户无法判断遇到问题后是否有人维护。 - 证据：evidence.maintainer_signals | https://github.com/vornicx/Midas | issue_or_pr_quality=unknown ## 7. 维护坑 · 发布节奏不明确 - 严重度：low - 证据强度：source_linked - 发现：release_recency=unknown。 - 对用户的影响：安装命令和文档可能落后于代码，用户踩坑概率升高。 - 证据：evidence.maintainer_signals | https://github.com/vornicx/Midas | release_recency=unknown