# @mind-mem/sdk - 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 @mind-mem/sdk 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_0003` supported 0.86
- **希望把专业流程带进宿主 AI 的用户**：仓库包含 Skill 文档。 证据：`.agents/skills/mind-mem-development/SKILL.md`, `skills/apply-proposal/SKILL.md`, `skills/integrity-scan/SKILL.md`, `skills/memory-recall/SKILL.md` Claim：`clm_0004` supported 0.86

## 它能做什么

- **AI Skill / Agent 指令资产库**（可做安装前预览）：项目包含可被宿主 AI 读取的 Skill 或 Agent 指令文件，可用于把专业流程带入 Claude、Codex、Cursor 等宿主。 证据：`.agents/skills/mind-mem-development/SKILL.md`, `skills/apply-proposal/SKILL.md`, `skills/integrity-scan/SKILL.md`, `skills/memory-recall/SKILL.md` Claim：`clm_0001` supported 0.86
- **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_0002` supported 0.86

## 怎么开始

- `git clone https://github.com/star-ga/mind-mem.git` 证据：`README.md` Claim：`clm_0005` supported 0.86, `clm_0008` supported 0.86
- `pip install mind-mem` 证据：`README.md` Claim：`clm_0006` supported 0.86
- `pipx install "mind-mem[mcp]"` 证据：`README.md` Claim：`clm_0007` supported 0.86, `clm_0009` supported 0.86
- `git clone https://github.com/star-ga/mind-mem.git .mind-mem` 证据：`README.md` Claim：`clm_0008` supported 0.86
- `pipx install "mind-mem[mcp]"   # preferred — isolated venv with mind-mem-mcp on PATH` 证据：`README.md` Claim：`clm_0009` supported 0.86
- `pip install --user "mind-mem[mcp]"` 证据：`README.md` Claim：`clm_0010` supported 0.86

## 继续前判断卡

- **当前建议**：需要管理员/安全审批
- **为什么**：继续前可能涉及密钥、账号、外部服务或敏感上下文，建议先经过管理员或安全审批。

### 30 秒判断

- **现在怎么做**：需要管理员/安全审批
- **最小安全下一步**：先跑 Prompt Preview；若涉及凭证或企业环境，先审批再试装
- **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、宿主 AI 配置、本地环境或项目文件

### 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_0003` supported 0.86
- **适合人群线索：希望把专业流程带进宿主 AI 的用户**（supported）：有 supported claim 或项目证据支撑，但仍不等于真实安装效果。 证据：`.agents/skills/mind-mem-development/SKILL.md`, `skills/apply-proposal/SKILL.md`, `skills/integrity-scan/SKILL.md`, `skills/memory-recall/SKILL.md` Claim：`clm_0004` supported 0.86
- **能力存在：AI Skill / Agent 指令资产库**（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：`.agents/skills/mind-mem-development/SKILL.md`, `skills/apply-proposal/SKILL.md`, `skills/integrity-scan/SKILL.md`, `skills/memory-recall/SKILL.md` Claim：`clm_0001` 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_0002` 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_0005` supported 0.86, `clm_0008` 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。 证据：`.agents/skills/mind-mem-development/SKILL.md`, `AGENTS.md`, `CLAUDE.md`, `skills/apply-proposal/SKILL.md` 等
- **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`
- **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：`.agents/skills/mind-mem-development/SKILL.md`, `AGENTS.md`, `CLAUDE.md`, `skills/apply-proposal/SKILL.md` 等
- **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`
- **环境变量 / API Key**：项目入口文档明确出现 API key、token、secret 或账号凭证配置。 原因：如果真实安装需要凭证，应先使用测试凭证并经过权限/合规判断。 证据：`CHANGELOG.md`, `README.md`, `ROADMAP.md`, `SECURITY.md` 等
- **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。）
- **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。）
- **不要使用真实生产凭证**：环境变量/API key 一旦进入宿主或工具链，可能产生账号和合规风险。（适用：出现 API、TOKEN、KEY、SECRET 等环境线索时。）
- **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。
- **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。
- **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。
- **准备撤销测试 API key 或 token**：测试凭证泄露或误用时，可以快速止损。
- **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_0011` 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_0012` 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

- **AI Skill / Agent 指令资产库**：先基于 role_skill_index / evidence_index 帮用户挑选可用角色、Skill 或工作流。 边界：可做安装前 Prompt 体验。 证据：`.agents/skills/mind-mem-development/SKILL.md`, `skills/apply-proposal/SKILL.md`, `skills/integrity-scan/SKILL.md`, `skills/memory-recall/SKILL.md` Claim：`clm_0001` supported 0.86
- **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_0002` supported 0.86

### 上下文规模

- 文件总数：827
- 重要文件覆盖：40/827
- 证据索引条目：80
- 角色 / Skill 条目：4

### 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 @mind-mem/sdk 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 @mind-mem/sdk 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 @mind-mem/sdk 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 4 个角色 / Skill / 项目文档条目。

- **mind-mem-development**（skill）：MIND-Mem Python development guide 激活提示：当用户任务与“mind-mem-development”描述的流程高度相关时，先用它做安装前体验，再决定是否安装。 证据：`.agents/skills/mind-mem-development/SKILL.md`
- **/apply — Apply Proposals**（skill）：Review and apply intelligence proposals generated by /scan. Uses atomic operations with rollback safety. 激活提示：当用户任务与“/apply — Apply Proposals”描述的流程高度相关时，先用它做安装前体验，再决定是否安装。 证据：`skills/apply-proposal/SKILL.md`
- **/scan — Memory Integrity Scan**（skill）：Run the intelligence scanner to detect contradictions, drift, dead decisions, and missing cross-references across the entire memory workspace. 激活提示：当用户任务与“/scan — Memory Integrity Scan”描述的流程高度相关时，先用它做安装前体验，再决定是否安装。 证据：`skills/integrity-scan/SKILL.md`
- **/recall — Memory Search**（skill）：Search across all structured memory files. Default backend: BM25 scoring with Porter stemming and domain-aware query expansion. Optional: graph-based cross-reference boosting --graph . Optional: vector/embedding backend configure in mind-mem.json . Returns ranked results with block ID, type, score, excerpt, and file path. 激活提示：当用户任务与“/recall — Memory Search”描述的流程高度相关时，先用它做安装前体验，再决定是否安装。 证据：`skills/memory-recall/SKILL.md`

## 证据索引

- 共索引 80 条证据。

- **mind-mem: agent instructions auto-written**（documentation）：mind-mem: agent instructions auto-written 证据：`AGENTS.md`
- **MIND-Mem — Persistent AI Memory System**（documentation）：MIND-Mem — Persistent AI Memory System 证据：`CLAUDE.md`
- **Shared Memory Across All Your AI Agents**（documentation）：MIND-Mem Drop-in memory for Claude Code, OpenClaw, and any MCP-compatible agent. OpenClaw is an open-source AI assistant platform with multi-channel support. Local-first • Zero-infrastructure • Governance-aware • MIND-accelerated 证据：`README.md`
- **MIND-Mem Examples**（documentation）：Demonstrates workspace initialization, block creation, and BM25 recall. 证据：`examples/README.md`
- **MIND Kernels**（documentation）：Numerical hot paths for MIND-Mem, written in the MIND programming language https://mindlang.dev . 证据：`mind/README.md`
- **mind-mem-4b training pipeline**（documentation）：Scripts to retrain the star-ga/mind-mem-4b https://huggingface.co/star-ga/mind-mem-4b governance-aware memory-assistant model on a fresh checkout of the MIND-Mem repo. 证据：`train/README.md`
- **MIND-Mem web console**（documentation）：Thin Next.js client for the MIND-Mem REST API v3.2.0+ . Shows a force-directed graph of blocks + their cross-references, a chronological timeline of dated events, and a facts panel — all derived from a single recall format="bundle" call. 证据：`web/README.md`
- **mind-mem-edge — single-binary distribution v4.0 prep**（documentation）：mind-mem-edge — single-binary distribution v4.0 prep 证据：`deploy/edge/README.md`
- **MIND-Mem Go SDK**（documentation）：Go client for the MIND-Mem https://github.com/star-ga/mind-mem REST API. Stdlib-only — no external dependencies. 证据：`sdk/go/README.md`
- **@mind-mem/sdk**（documentation）：JavaScript / TypeScript client for the MIND-Mem https://github.com/star-ga/mind-mem REST API. 证据：`sdk/js/README.md`
- **Package**（package_manifest）：{ "name": "@star-ga/mind-mem-web", "version": "0.1.0", "private": true, "description": "mind-mem governance web console — graph + timeline + drift heatmap over the v3.2.0 REST API", "license": "Apache-2.0", "scripts": { "dev": "next dev", "build": "next build", "start": "next start", "lint": "next lint", "typecheck": "tsc --noEmit" }, "dependencies": { "next": "^15.0.0", "react": "^19.0.0", "react-dom": "^19.0.0", "d3": "^7.9.0", "react-flow-renderer": "^11.0.0" }, "devDependencies": { "@types/d3": "^7.4.3", "@types/node": "^22.0.0", "@types/react": "^19.0.0", "@types/react-dom": "^19.0.0", "eslint": "^9.0.0", "eslint-config-next": "^15.0.0", "typescript": "^5.6.0" } } 证据：`web/package.json`
- **Contributing to MIND-Mem**（documentation）：Thank you for your interest in contributing to MIND-Mem! 证据：`CONTRIBUTING.md`
- **Package**（package_manifest）：{ "name": "@mind-mem/sdk", "version": "0.1.0", "description": "JS/TS client SDK for the mind-mem REST API", "license": "Apache-2.0", "type": "module", "main": "dist/index.js", "types": "dist/index.d.ts", "exports": { ".": { "import": "./dist/index.js", "types": "./dist/index.d.ts" } }, "files": "dist" , "scripts": { "build": "tsc", "test": "node --test test/ .test.js", "test:ts": "npx --yes tsx --test test/ .test.ts", "clean": "rm -rf dist", "prepublishOnly": "npm run clean && npm run build" }, "engines": { "node": " =18" }, "devDependencies": { "@types/node": "^20.19.39", "typescript": "^5.9.3" }, "repository": { "type": "git", "url": "https://github.com/star-ga/mind-mem.git", "directory":… 证据：`sdk/js/package.json`
- **MIND-Mem Development**（skill_instruction）：Package - PyPI: pip install mind-mem - Source layout: src/mind mem/ - Tests: pytest, 3610 passing - CI: GitHub Actions, 3 OS × 4 Python versions 16 matrix jobs 证据：`.agents/skills/mind-mem-development/SKILL.md`
- **/apply — Apply Proposals**（skill_instruction）：Review and apply intelligence proposals generated by /scan. Uses atomic operations with rollback safety. 证据：`skills/apply-proposal/SKILL.md`
- **/scan — Memory Integrity Scan**（skill_instruction）：Run the intelligence scanner to detect contradictions, drift, dead decisions, and missing cross-references across the entire memory workspace. 证据：`skills/integrity-scan/SKILL.md`
- **/recall — Memory Search**（skill_instruction）：Search across all structured memory files. Default backend: BM25 scoring with Porter stemming and domain-aware query expansion. Optional: graph-based cross-reference boosting --graph . Optional: vector/embedding backend configure in mind-mem.json . Returns ranked results with block ID, type, score, excerpt, and file path. 证据：`skills/memory-recall/SKILL.md`
- **License**（source_file）：Apache License Version 2.0, January 2004 http://www.apache.org/licenses/ 证据：`LICENSE`
- **MIND-Mem v3.2.0 — Self-Audit Plan Post-Release Deliverable**（documentation）：MIND-Mem v3.2.0 — Self-Audit Plan Post-Release Deliverable 证据：`docs/SECURITY_AUDIT_SELF_2026_04.md`
- **Agent Memory Protocol — canonical system-prompt snippet**（documentation）：Agent Memory Protocol — canonical system-prompt snippet 证据：`docs/agent-memory-protocol.md`
- **API Reference**（documentation）：recall workspace: str, query: str, limit: int = 10, kwargs - list dict Search blocks using BM25F scoring with graph boost, fact card aggregation, and knee cutoff. 证据：`docs/api-reference.md`
- **Architecture**（documentation）：MIND-Mem is a persistent, auditable, contradiction-safe memory system for coding agents. It provides BM25F-based retrieval with graph boost, fact indexing, and adaptive cutoff. 证据：`docs/architecture.md`
- **MIND-Mem — response to the 2026-05-02 ecosystem audit**（documentation）：MIND-Mem — response to the 2026-05-02 ecosystem audit 证据：`docs/audit_response.md`
- **Benchmarks**（documentation）：Latest checked-in benchmark snapshot from the v1.9.0 evaluation with Mistral Large LoCoMo, 10 conversations . Current release 3.1.1 is feature-additive and does not invalidate these scores; a fresh benchmark artifact against v3.x is planned for the next release cycle: 证据：`docs/benchmarks.md`
- **Block Format**（documentation）：MIND-Mem stores information as structured blocks in markdown files. Each block represents a discrete unit of knowledge. 证据：`docs/block-format.md`
- **Changelog Format Guide**（documentation）：MIND-Mem follows Keep a Changelog https://keepachangelog.com/ format. 证据：`docs/changelog-format.md`
- **CI Workflows**（documentation）：MIND-Mem uses GitHub Actions for continuous integration. 证据：`docs/ci-workflows.md`
- **Claude Desktop Setup Guide**（documentation）：Step-by-step guide to connect MIND-Mem to Claude Desktop as an MCP server. 证据：`docs/claude-desktop-setup.md`
- **CLI Reference**（documentation）：The mm command is the unified MIND-Mem CLI for non-MCP agents. 证据：`docs/cli-reference.md`
- **Client Integrations**（documentation）：MIND-Mem works with 16 AI coding clients out of the box. Every client reads and writes to the same shared workspace default ~/.openclaw/workspace/ , so a fact captured in one tool is immediately visible to every other. 证据：`docs/client-integrations.md`
- **Comparison with Alternatives**（documentation）：Feature MIND-Mem Mem0 --------- ---------- ------ Dependencies Zero Redis, PostgreSQL Retrieval BM25F + vector hybrid Vector only Audit trail Full proposal system Limited LoCoMo benchmark 77.9 mean 66.88 mean Contradiction detection Built-in No 证据：`docs/comparison.md`
- **Comprehensive Competitive Analysis: Persistent Memory Systems for AI Coding Agents 2025–2026**（documentation）：Comprehensive Competitive Analysis: Persistent Memory Systems for AI Coding Agents 2025–2026 证据：`docs/competitive-analysis-persistent-memory-2026.md`
- **Configuration Reference**（documentation）：MIND-Mem is configured via mind-mem.json in your workspace root. This file is created automatically by init workspace.py with sensible defaults. All keys are optional -- missing keys fall back to their documented defaults. 证据：`docs/configuration.md`
- **Development Guide**（documentation）：Specific module pytest tests/test recall edge cases.py 证据：`docs/development.md`
- **Docker Deployment**（documentation）：Self-hosted MIND-Mem with Postgres+pgvector and Ollama in one command. 证据：`docs/docker-deployment.md`
- **FAQ**（documentation）：What is MIND-Mem? MIND-Mem is a persistent, auditable, contradiction-safe memory system for AI coding agents. It provides BM25F-based retrieval with graph boost, fact indexing, and adaptive cutoff. 证据：`docs/faq.md`
- **Getting Started**（documentation）：python from mind mem.init workspace import init 证据：`docs/getting-started.md`
- **Glossary**（documentation）：Term Definition ------ ----------- Block A discrete unit of knowledge stored as structured markdown BM25F Best Matching 25 with field weights — the primary scoring algorithm Co-retrieval graph Graph linking blocks frequently returned together Fact card Atomic 10-20 word sub-block indexed from Statements Graph boost Score propagation from co-retrieval graph neighbors Hard negative Block scoring high on BM25 but low on reranking Knee cutoff Adaptive truncation at steepest score drop MCP Model Context Protocol — standard for AI tool integration MIND kernel Configuration file for customizing scoring behavior Proposal A staged memory change awaiting human approval Recall The primary search opera… 证据：`docs/glossary.md`
- **MIND-Mem — governance design 5 layers**（documentation）：MIND-Mem — governance design 5 layers 证据：`docs/governance.md`
- **mind-mem-4b v2 2026-04-21**（documentation）：A governance-aware memory-assistant model for MIND-Mem https://github.com/star-ga/mind-mem — an auditable, contradiction-safe memory layer for coding agents MCP-compatible . 证据：`docs/hf-mind-mem-4b-v2-README.md`
- **Installation guide — every step + every option**（documentation）：Installation guide — every step + every option 证据：`docs/install-guide.md`
- **Integrations**（documentation）：Honest positioning. Every claim below is verifiable from the source tree, the public PyPI artifact, or a published benchmark file in benchmarks/ . Nothing here is a customer-relationship claim about any AI vendor — the integrations described are software-level the named tool talks to MIND-Mem via the Model Context Protocol , not commercial. 证据：`docs/integrations.md`
- **LoCoMo v3.4.0 conv-0 results 2026-04-22**（documentation）：LoCoMo v3.4.0 conv-0 results 2026-04-22 证据：`docs/locomo-v3.4-conv0-results.md`
- **maintenance/ namespaces**（documentation）：v3.2.0 splits maintenance/ into two sibling subdirectories so the apply-engine's snapshot scope can categorise each file correctly. 证据：`docs/maintenance-namespaces.md`
- **MCP Integration Guide**（documentation）：MIND-Mem exposes 81 MCP tools for integration with AI coding assistants like Claude Code, Codex, Gemini, Cursor, Windsurf, Continue, Cline, Roo, and Zed v3.1.0+ . 证据：`docs/mcp-integration.md`
- **MCP Tool Examples**（documentation）：Practical examples for each MIND-Mem MCP tool. 证据：`docs/mcp-tool-examples.md`
- **MIC/MAP — MIND IR Graph Serialization**（documentation）：MIC/MAP — MIND IR Graph Serialization 证据：`docs/mic-map.md`
- **Migration Guide**（documentation）：MIND-Mem is the successor to mem-os. This guide covers the migration path. 证据：`docs/migration-guide.md`
- **Migration Guide: mem-os to MIND-Mem**（documentation）：Migration Guide: mem-os to MIND-Mem 证据：`docs/migration.md`
- **MIND Kernels**（documentation）：MIND kernels are configuration files .mind extension that customize scoring and retrieval behavior. They live in the .mind/ subdirectory of the workspace. 证据：`docs/mind-kernels.md`
- **Setting up the mind-mem-4b model**（documentation）：star-ga/mind-mem-4b is the fully trained mind-mem:4b model — all ~4.2B parameters trained on the MIND-Mem domain not a LoRA adapter . The current revision v4 weights, shipped alongside the v4.0.0 library release on 2026-05-11 knows the 84 MCP tools incl. compile truth walkthrough , recall with persona , pipeline status , reindex dirty , validate block , block lineage , add block edge , MIC/MAP serialization, governance hooks , block schemas including the v3.9 TransformHash field and v3.12 block staleness table, governance workflows, the v3.11 typed lineage edges cites/implements/refines/contradicts/cooccurrence , the v3.12 strict quality gate + lineage→staleness BFS propagator, and all the… 证据：`docs/mind-mem-4b-setup.md`
- **mind-mem-4b training runbook post-v3.10.2 lessons**（documentation）：mind-mem-4b training runbook post-v3.10.2 lessons 证据：`docs/mind-mem-4b-training-runbook.md`
- **mind-mem-4b v2 training recipe — Runpod H200**（documentation）：mind-mem-4b v2 training recipe — Runpod H200 证据：`docs/mind-mem-4b-v2-training-recipe.md`
- **Observer-Dependent Cognition in MIND-Mem**（documentation）：Observer-Dependent Cognition in MIND-Mem 证据：`docs/odc-retrieval.md`
- **Performance Tuning**（documentation）：Guide to optimizing MIND-Mem for large workspaces and high-throughput usage. 证据：`docs/performance-tuning.md`
- **MIND-Mem Library Protection**（documentation）：Defence-in-depth layers for the shipped mind-mem PyPI wheel. Protection here means tamper-detection + provenance , not unbreakable DRM — Python semantics make that impossible without native compilation — but it raises the cost of silent modifications to the memory + governance layer that downstream agents trust. 证据：`docs/protection.md`
- **Quality Gate — Operator Runbook**（documentation）：The quality gate is a deterministic pre-write filter that inspects every propose update statement before it lands in SIGNALS.md . It runs zero external dependencies no network, no LLM and completes in microseconds. 证据：`docs/quality-gate.md`
- **MIND-Mem Quickstart**（documentation）：Get MIND-Mem running in under 2 minutes. 证据：`docs/quickstart.md`
- **Behavioral Audit — Operator Runbook**（documentation）：Behavioral Audit — Operator Runbook 证据：`docs/red-team-audit.md`
- **MIND-Mem REST API**（documentation）：The REST API mirrors the MCP tool surface over HTTP/JSON. Start it with: 证据：`docs/rest-api.md`
- 其余 20 条证据见 `AI_CONTEXT_PACK.json` 或 `EVIDENCE_INDEX.json`。

## 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：`AGENTS.md`, `CLAUDE.md`, `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：`AGENTS.md`, `CLAUDE.md`, `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。

- **MIND-Mem简介**：importance `high`
  - source_paths: README.md, SPEC.md
- **核心功能一览**：importance `high`
  - source_paths: mind/recall.mind, mind/governance.mind, mind/mic_map_quickstart.py
- **系统架构**：importance `high`
  - source_paths: docs/architecture.md, ANATOMY.md, src/mind_mem/__init__.py
- **数据流与处理管道**：importance `high`
  - source_paths: src/mind_mem/capture.py, src/mind_mem/apply_engine.py, src/mind_mem/ingestion_pipeline.py, src/mind_mem/recall.py
- **存储后端**：importance `high`
  - source_paths: src/mind_mem/block_store.py, src/mind_mem/block_store_postgres.py, docs/storage-backends.md, docs/block-format.md
- **检索管道**：importance `high`
  - source_paths: src/mind_mem/hybrid_recall.py, src/mind_mem/query_expansion.py, src/mind_mem/recall_vector.py, src/mind_mem/rerank_ensemble.py, mind/bm25.mind
- **MCP服务器**：importance `high`
  - source_paths: src/mind_mem/mcp/server.py, src/mind_mem/mcp_entry.py, mcp_server.py, docs/mcp-integration.md
- **MCP工具集**：importance `high`
  - source_paths: src/mind_mem/mcp/tools/memory_ops.py, src/mind_mem/mcp/tools/recall.py, src/mind_mem/mcp/tools/governance.py, src/mind_mem/mcp/tools/graph.py, docs/mcp-tool-examples.md

## Repo Inspection Evidence / 源码检查证据

- repo_clone_verified: true
- repo_inspection_verified: true
- repo_commit: `e26fae773e925f06c4dca2651333860ddf7d482e`
- inspected_files: `pyproject.toml`, `Dockerfile`, `README.md`, `docs/workspace-structure.md`, `docs/hf-mind-mem-4b-v2-README.md`, `docs/changelog-format.md`, `docs/security-audit-sow.md`, `docs/migration-guide.md`, `docs/SECURITY_AUDIT_SELF_2026_04.md`, `docs/integrations.md`, `docs/architecture.md`, `docs/security-model.md`, `docs/mind-kernels.md`, `docs/mind-mem-4b-training-runbook.md`, `docs/protection.md`, `docs/review-tests-v3.2.0.md`, `docs/scoring.md`, `docs/v3.3.0-release-notes.md`, `docs/review-database-v3.2.0.md`, `docs/glossary.md`

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：PG-backed: `mm doctor --rebuild-cache` errors=263 (no such table: blocks)

- 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：PG-backed: `mm doctor --rebuild-cache` errors=263 (no such table: blocks)
- 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: 可能增加新用户试用和生产接入成本。
- Evidence: community_evidence:github | cevd_366d8c18c1aa45ffb07174af516285d4 | https://github.com/star-ga/mind-mem/issues/524 | 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：PG-backed: `mm recall` returns [] despite direct PG FTS finding matches

- 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：PG-backed: `mm recall` returns [] despite direct PG FTS finding matches
- 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: 可能增加新用户试用和生产接入成本。
- Evidence: community_evidence:github | cevd_ba0bc6a7eec24a3a963611eac1e66e9f | https://github.com/star-ga/mind-mem/issues/525 | 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 3: 来源证据：Perf regression: build_index on a fresh 80KB workspace takes ~55s

- 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：Perf regression: build_index on a fresh 80KB workspace takes ~55s
- 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: 可能增加新用户试用和生产接入成本。
- Evidence: community_evidence:github | cevd_af7792e47f904c0ea9362c21e6944c19 | https://github.com/star-ga/mind-mem/issues/530 | 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 4: 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 | github_repo:1160652179 | https://github.com/star-ga/mind-mem | host_targets=mcp_host, claude, claude_code, cursor
- 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: 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:1160652179 | https://github.com/star-ga/mind-mem | 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 6: 来源证据：test_rollback_removes_new_files fails on macOS + Windows runners (passes on Linux)

- Trigger: GitHub 社区证据显示该项目存在一个维护/版本相关的待验证问题：test_rollback_removes_new_files fails on macOS + Windows runners (passes on Linux)
- 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: 可能增加新用户试用和生产接入成本。
- Evidence: community_evidence:github | cevd_e1922336b59a45f889940eab33dba770 | https://github.com/star-ga/mind-mem/issues/515 | 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 7: 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:1160652179 | https://github.com/star-ga/mind-mem | 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 8: 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:1160652179 | https://github.com/star-ga/mind-mem | 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 9: 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:1160652179 | https://github.com/star-ga/mind-mem | 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 10: 来源证据：ACL `_get_request_scope` fail-open on token-introspection exception (acl.py:139-142)

- 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：ACL `_get_request_scope` fail-open on token-introspection exception (acl.py:139-142)
- 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 | cevd_0a6d1439d14f4eb79c2e37a14ed436b0 | https://github.com/star-ga/mind-mem/issues/526 | 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。