# vault-for-llm - 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 vault-for-llm 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_0004` 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：`integrations/openclaw/SKILL.md` Claim：`clm_0005` 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：`integrations/openclaw/SKILL.md` Claim：`clm_0001` supported 0.86
- **多宿主安装与分发**（需要安装后验证）：项目包含插件或 marketplace 配置，说明它面向一个或多个 AI 宿主的安装和分发。 证据：`integrations/openclaw/openclaw.plugin.json` Claim：`clm_0002` unverified 0.25
- **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`, `docs/quickstart.md` Claim：`clm_0003` supported 0.86

## 怎么开始

- `pip install "vault-for-llm[mcp]==0.7.29"` 证据：`README.md` Claim：`clm_0006` supported 0.86
- `curl -sSL https://raw.githubusercontent.com/zycaskevin/Vault-for-LLM/main/scripts/install.sh | bash` 证据：`README.md` Claim：`clm_0007` supported 0.86
- `pip install "vault-for-llm[supabase]==0.7.29"` 证据：`README.md` Claim：`clm_0008` supported 0.86
- `git clone https://github.com/zycaskevin/Vault-for-LLM.git` 证据：`README.md` Claim：`clm_0009` supported 0.86
- `pip install -e ".[dev,mcp]"` 证据：`README.md` Claim：`clm_0010` supported 0.86
- `pip install "vault-for-llm[mcp]"` 证据：`docs/quickstart.md` Claim：`clm_0006` supported 0.86, `clm_0011` 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、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_0004` 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：`integrations/openclaw/SKILL.md` Claim：`clm_0005` 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：`integrations/openclaw/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`, `docs/quickstart.md` Claim：`clm_0003` 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_0006` 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.md`, `integrations/openclaw/SKILL.md`, `integrations/openclaw/openclaw.plugin.json`
- **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。 证据：`integrations/openclaw/openclaw.plugin.json`
- **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`, `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：`AGENTS.md`, `integrations/openclaw/SKILL.md`, `integrations/openclaw/openclaw.plugin.json`
- **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`, `docs/quickstart.md`, `integrations/openclaw/openclaw.plugin.json`
- **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。）
- **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。
- **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_0012` inferred 0.45
- **宿主 AI 插件或 Skill 规则冲突**：新规则可能改变用户现有宿主 AI 的工作方式。 处理方式：安装前先检查插件 manifest 和 Skill 文件，必要时隔离测试。 证据：`integrations/openclaw/openclaw.plugin.json` Claim：`clm_0013` 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`, `docs/quickstart.md` Claim：`clm_0014` 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：`integrations/openclaw/SKILL.md` Claim：`clm_0001` supported 0.86
- **多宿主安装与分发**：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：`integrations/openclaw/openclaw.plugin.json`
- **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`, `docs/quickstart.md` Claim：`clm_0003` supported 0.86

### 上下文规模

- 文件总数：512
- 重要文件覆盖：40/512
- 证据索引条目：80
- 角色 / Skill 条目：1

### 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 vault-for-llm 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 vault-for-llm 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 vault-for-llm 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 1 个角色 / Skill / 项目文档条目。

- **vault-for-llm**（skill）： 激活提示：当用户任务与“vault-for-llm”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：`integrations/openclaw/SKILL.md`

## 证据索引

- 共索引 80 条证据。

- **Vault-for-LLM Landing Demo**（documentation）：This directory contains the first static landing/demo page for Vault-for-LLM. 证据：`docs/landing/README.md`
- **Strategy: Agent Memory Governance**（documentation）：Vault-for-LLM should not be positioned as another RAG database, note app, or Obsidian plugin. The product bet is narrower and stronger: 证据：`docs/strategy/README.md`
- **Vault-for-LLM**（documentation）：English README.md 繁體中文 README.zh-Hant.md 简体中文 README.zh-CN.md 证据：`README.md`
- **基準測試 Benchmarks**（documentation）：此目錄包含 Vault-for-LLM 搜尋效能與品質的基準測試工具。 证据：`benchmarks/README.md`
- **Scripts Guide**（documentation）：These scripts are source-checkout helpers for maintainers and advanced users. The stable first-user workflow remains the installed vault CLI: 证据：`scripts/README.md`
- **Agent onboarding benchmark fixtures**（documentation）：Agent onboarding benchmark fixtures 证据：`benchmarks/agent_onboarding/README.md`
- **Search QA benchmark fixtures**（documentation）：This repository directory contains public-safe Search QA fixture files for local retrieval regression checks. 证据：`benchmarks/search_qa/README.md`
- **OpenClaw Adapter**（documentation）：This adapter lets OpenClaw expose Vault-for-LLM as governed project memory. 证据：`integrations/openclaw/README.md`
- **Agent Instructions For Vault-for-LLM**（documentation）：Agent Instructions For Vault-for-LLM 证据：`AGENTS.md`
- **Core Concepts in Plain Language**（documentation）：Understand Vault in 5 minutes — no jargon required. 证据：`docs/core-concepts.md`
- **5-Minute Quickstart and FAQ**（documentation）：This page is the shortest safe path for a new user. It keeps the first run small and leaves advanced setup under vault setup-agent . 证据：`docs/quickstart.md`
- **Vision: User-Owned Memory for Agent Families**（documentation）：Vision: User-Owned Memory for Agent Families 证据：`docs/vision.md`
- **Agents Need Memory Governance, Not Just RAG**（documentation）：Agents Need Memory Governance, Not Just RAG 证据：`docs/articles/agents-need-memory-governance-not-just-rag.md`
- **Decision Record: Agent-Assisted Builder Positioning**（documentation）：Decision Record: Agent-Assisted Builder Positioning 证据：`docs/decision_records/2026-07-03-agent-assisted-builder-positioning.md`
- **Positioning**（documentation）：Vault-for-LLM is not trying to win by storing more text than a RAG database or recalling more chat facts than a hosted memory provider. 证据：`docs/strategy/positioning.md`
- **Contributing**（documentation）：Thanks for helping improve Vault-for-LLM. 证据：`CONTRIBUTING.md`
- **Vault-for-LLM Project Memory**（skill_instruction）：Use this skill when OpenClaw needs durable project knowledge from Vault-for-LLM. 证据：`integrations/openclaw/SKILL.md`
- **License**（source_file）：Apache License Version 2.0, January 2004 http://www.apache.org/licenses/ 证据：`LICENSE`
- **Agent-First Usage**（documentation）：Vault-for-LLM has many commands because agents, scheduled jobs, and maintenance workflows need precise tools. Humans should not have to memorize that surface. 证据：`docs/agent_first_usage.md`
- **Agent Install Runbook**（documentation）：This page is for agents installing Vault-for-LLM for a user. Keep the setup small at first. Add optional systems only after the user says they need them. 证据：`docs/agent_install.md`
- **Agent Integrations**（documentation）：Vault-for-LLM is intentionally agent-runtime agnostic. The stable contract is local files plus SQLite, exposed through CLI and optional stdio MCP. 证据：`docs/agent_integrations.md`
- **Vault-for-LLM Agent Memory QA Roadmap**（documentation）：Vault-for-LLM Agent Memory QA Roadmap 证据：`docs/agent_memory_qa_roadmap.md`
- **Agent Onboarding Benchmark**（documentation）：The project-memory proof demos show the workflow on controlled fixtures. The next step is to compare Vault-for-LLM against exported agent sessions from tools such as Hermes or Codex. 证据：`docs/agent_onboarding_benchmark.md`
- **API Interface Conventions**（documentation）：Vault has two database-facing layers: 证据：`docs/api_interfaces.md`
- **Memory Automation**（documentation）：Vault automation is policy-based. The goal is to let agents do routine memory maintenance while humans keep ownership of the rules and high-impact changes. 证据：`docs/automation.md`
- **Automation Strategy**（documentation）：Vault automation is meant to reduce review load without removing human control. The default posture is: 证据：`docs/automation_strategy.md`
- **CLI Reference**（documentation）：This page lists the broader Vault-for-LLM CLI surface. Most people should not memorize it. Start with the small human surface, then let agents and scheduled jobs use the wider toolbox. 证据：`docs/cli_reference.md`
- **Good First Issue Ideas**（documentation）：This list helps new contributors find work that does not require understanding the whole Vault-for-LLM architecture. 证据：`docs/contributing_good_first_issues.md`
- **SQLite backup, verify, and restore**（documentation）：Vault-for-LLM stores local knowledge in vault.db . The vault db backup commands create and restore local SQLite files only ; they do not upload data or contact external services. 证据：`docs/db_backup_restore.md`
- **SQLite schema migrations**（documentation）：Vault-for-LLM keeps SQLite schema metadata in two compatible places: 证据：`docs/db_migrations.md`
- **Document Map citation policy**（documentation）：Document Map is the citation-safe path for using Vault-for-LLM memory in agent answers. It separates finding a likely memory from reading the bounded source text that can be cited . 证据：`docs/document_map_citation_policy.md`
- **Document Map Guide**（documentation）：Document Map is Vault-for-LLM's bounded-reading layer for long knowledge entries. 证据：`docs/document_map_upgrade_plan.md`
- **Dream Workflow**（documentation）：vault dream is the report-first memory curation workflow for Vault-for-LLM. It helps operators find stale, duplicated, weak, or poorly described knowledge without letting the agent silently rewrite the vault. 证据：`docs/dream_workflow.md`
- **Gateway Security Checklist**（documentation）：Vault Gateway is a small HTTP adapter for agent memory. Treat it like a local service by default. Expose it across hosts only when you control the network and token storage. 证据：`docs/gateway_security.md`
- **Vault Console**（documentation）：vault gui starts a local browser memory control center for one project vault. 证据：`docs/gui_console.md`
- **LLM Integration**（documentation）：Vault-for-LLM is local-first. The core path does not require an LLM API key, a local model, or network access. 证据：`docs/llm_integration.md`
- **MCP Memory Workflow**（documentation）：Vault-for-LLM now exposes a safer agent memory workflow over MCP. Autonomous agents should prefer candidate-first memory tools instead of writing directly to active knowledge. 证据：`docs/mcp_memory_workflow.md`
- **MCP Tool Reference**（documentation）：This page is the practical reference for connecting an MCP-capable agent to Vault-for-LLM. For the policy behind the workflow, see docs/mcp memory workflow.md mcp memory workflow.md . 证据：`docs/mcp_tool_reference.md`
- **Memory Governance Layers**（documentation）：Vault-for-LLM uses L0 through L3 as memory depth and usage layers. Do not use those layers as access-control rules by themselves. 证据：`docs/memory_governance.md`
- **Memory System Comparison**（documentation）：This page positions Vault-for-LLM against common agent-memory systems. It is not a vendor benchmark; it is an operator checklist for choosing the right memory layer for a project. 证据：`docs/memory_system_comparison.md`
- **OKF Integration**（documentation）：Open Knowledge Format, or OKF, is a portable Markdown bundle pattern for agent knowledge. An OKF bundle is a directory of concept files with YAML frontmatter, ordinary Markdown body content, optional index.md files, and a log.md update history. 证据：`docs/okf_integration.md`
- **Optimization Notes**（documentation）：This document collects public optimization directions for Vault-for-LLM. It is intentionally product- and project-neutral: no private deployment paths, remote admin surfaces, or internal agent wiring are required to use Vault. 证据：`docs/optimization_plan_v2.md`
- **Project Memory Proof Demos**（documentation）：Vault-for-LLM should not be judged as "another Markdown vector store." The useful claim is narrower: 证据：`docs/project_memory_proofs.md`
- **README Claim Matrix**（documentation）：Generated: 2026-07-03 Scope: public README feature/capability claims for the v0.7.29 Agent Knowledge Platform patch release. Localized README files should mirror the same maturity and non-goal language. 证据：`docs/readme_claim_matrix.md`
- **Release Hygiene + PyPI Trusted Publishing Design**（documentation）：Release Hygiene + PyPI Trusted Publishing Design 证据：`docs/release_hygiene_trusted_publishing_design.md`
- **Release Stabilization Checklist**（documentation）：Vault-for-LLM should merge focused maintenance PRs before publishing the next external package release. Use this checklist when deciding whether main is ready to become a new release. 证据：`docs/release_stabilization.md`
- **Repository Governance: Public Boundary + Artifact Hygiene**（documentation）：Repository Governance: Public Boundary + Artifact Hygiene 证据：`docs/repo_governance.md`
- **Search QA benchmarking**（documentation）：Search QA is a local retrieval regression tool. It runs fixed query sets against a SQLite vault.db , records deterministic snapshots, and compares before/after metric deltas. 证据：`docs/search_qa_benchmarking.md`
- **Semantic Search Workflow**（documentation）：Vault-for-LLM works without embeddings. Keyword search is the stable default path, and semantic search is an optional alpha workflow for projects that configure a real embedding provider. 证据：`docs/semantic_search.md`
- **Supabase Setup**（documentation）：Supabase is optional. Vault-for-LLM starts as a local SQLite memory vault and does not need a hosted database for normal single-machine use. 证据：`docs/supabase_setup.md`
- **Vault-for-LLM v0.6.100**（documentation）：This release adds the shortest human review surface for memory automation. 证据：`docs/announcements/v0.6.100-short.md`
- **Vault-for-LLM v0.6.101**（documentation）：This release closes the smallest memory automation feedback loop. 证据：`docs/announcements/v0.6.101-short.md`
- **Vault-for-LLM v0.6.102**（documentation）：This release adds a compact health panel for the automation learning loop. 证据：`docs/announcements/v0.6.102-short.md`
- **Vault-for-LLM v0.6.103**（documentation）：This release makes scheduled memory automation easier to trust at a glance. 证据：`docs/announcements/v0.6.103-short.md`
- **Vault-for-LLM v0.6.104**（documentation）：This release adds a shared automation health panel for multi-Agent installs. 证据：`docs/announcements/v0.6.104-short.md`
- **Vault-for-LLM v0.6.105**（documentation）：This release makes the multi-Agent automation handoff easier to start from. 证据：`docs/announcements/v0.6.105-short.md`
- **Vault-for-LLM v0.6.106**（documentation）：This release makes generated Agent startup templates fleet-aware. 证据：`docs/announcements/v0.6.106-short.md`
- **Vault-for-LLM v0.6.107**（documentation）：This release adds a doctor for generated Agent startup contracts. 证据：`docs/announcements/v0.6.107-short.md`
- **Vault-for-LLM v0.6.108**（documentation）：This release hardens the multi-Agent write boundary. 证据：`docs/announcements/v0.6.108-short.md`
- **Vault-for-LLM v0.6.109**（documentation）：This release is a small security-maintenance cut. 证据：`docs/announcements/v0.6.109-short.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：`docs/landing/README.md`, `docs/strategy/README.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：`docs/landing/README.md`, `docs/strategy/README.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。

- **项目概览与核心价值**：importance `high`
  - source_paths: README.md, docs/vision.md, docs/core-concepts.md, docs/articles/agents-need-memory-governance-not-just-rag.md, docs/strategy/positioning.md
- **安装、快速开始与代理辅助设置**：importance `high`
  - source_paths: scripts/install.sh, scripts/install.ps1, vault/cli_quickstart.py, vault/cli_guide.py, vault/agent_setup.py
- **记忆模型、治理元数据与生命周期**：importance `high`
  - source_paths: vault/memory.py, vault/governance.py, vault/db_memory.py, vault/db_schema.py, vault/temporal.py
- **CLI 命令、JSON 契约与日报**：importance `high`
  - source_paths: vault/cli.py, vault/cli_core.py, vault/cli_common.py, vault/cli_search.py, vault/cli_memory.py
- **MCP 工具集与配置集（Profile）**：importance `high`
  - source_paths: vault/mcp.py, vault/mcp_tools.py, vault/mcp_memory.py, vault/mcp_read.py, vault/mcp_search.py
- **搜索、检索与质量基准**：importance `medium`
  - source_paths: vault/search.py, vault/search_query.py, vault/search_results.py, vault/search_rerank.py, vault/search_graph.py
- **自动化、候选评审与日常循环**：importance `medium`
  - source_paths: vault/automation.py, vault/automation_policy.py, vault/automation_cycle.py, vault/automation_review.py, vault/automation_learning.py
- **集成、网关与远程共享**：importance `medium`
  - source_paths: vault/import_obsidian.py, vault/export_obsidian.py, vault/gateway.py, vault/gateway_server.py, vault/gateway_security.py

## Repo Inspection Evidence / 源码检查证据

- repo_clone_verified: true
- repo_inspection_verified: true
- repo_commit: `b7641031cb2ad5974119f9d04a6ade49354cabd6`
- inspected_files: `README.md`, `pyproject.toml`, `uv.lock`, `docs/agent_first_usage.md`, `docs/agent_install.md`, `docs/agent_integrations.md`, `docs/agent_memory_qa_roadmap.md`, `docs/agent_onboarding_benchmark.md`, `docs/announcements/v0.6.100-short.md`, `docs/announcements/v0.6.101-short.md`, `docs/announcements/v0.6.102-short.md`, `docs/announcements/v0.6.103-short.md`, `docs/announcements/v0.6.104-short.md`, `docs/announcements/v0.6.105-short.md`, `docs/announcements/v0.6.106-short.md`, `docs/announcements/v0.6.107-short.md`, `docs/announcements/v0.6.108-short.md`, `docs/announcements/v0.6.109-short.md`, `docs/announcements/v0.6.110-short.md`, `docs/announcements/v0.6.111-short.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: 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/zycaskevin/Vault-for-LLM | host_targets=mcp_host, openclaw, claude_code, claude
- 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: 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/zycaskevin/Vault-for-LLM | 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 3: 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/zycaskevin/Vault-for-LLM | 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/zycaskevin/Vault-for-LLM | 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 5: 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/zycaskevin/Vault-for-LLM | 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: 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 | https://github.com/zycaskevin/Vault-for-LLM | 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 7: 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 | https://github.com/zycaskevin/Vault-for-LLM | 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。