cognithor (Alex8791 Cyber)

Cognithor · Agent OS

A local-first, autonomous agent operating system for AI experimentation and personal automation.

Cognition + Thor — Intelligence with Power

cognithor.ai · Agent Packs · Docs · Blog

19 LLM Providers · 17 Channels · 6-Tier Memory · 4-Channel Search · Knowledge Vault · Security · Apache 2.0

v1.0之前的测试版 --Cognithor正在积极开发中。API可能会在不同版本之间发生变化。不建议用于面向客户的生产部署。欢迎通过以下方式提交错误报告和反馈 问题. 虽然测试套件很广泛（17000多个测试功能，89%的覆盖率门），但该项目尚未在生产环境中进行实战测试。预计会有粗糙的边缘、版本之间的突破性变化，以及系统提示和错误消息中的一些德语字符串。看 状态和成熟度 了解详情。对于非技术用户，请等到1.0.0版本才能获得稳定的长期支持。


Weekly Recap: Rank #1 | $1,644 spent vibe-engineering

Vibe工程，而不是Vibe编码。 Cognithor不是一个由人工智能生成的意大利面条组成的周末黑客。每个模块都遵循一个深思熟虑的架构（PGE Trinity、6阶段网关初始化、3层安全、TRUST-1..10操作信任栈），由17000多个测试功能、结构化计划、规范合规性审查和代码质量门支持。人工智能编写代码，但人类设计系统。这是有区别的。

______________________________________________________________________

为什么是Cognithor？

大多数人工智能助手将您的数据发送到云端。Cognithor完全在您的机器上运行-使用Ollama或LM Studio，不需要API密钥。云提供商是可选的，不是强制性的。

它用一个集成系统取代了拼凑的工具：17个通道，30个模块中的141个MCP工具，具有4个通道混合搜索的6层内存，知识库，语音，浏览器自动化，计算机使用，跨平台社交倾听，签名审计收据（TRUST-1..10），可恢复的批处理工作流（CRWE），TUF Light签名包注册表等，所有这些都从第一天起就连接在一起。测试套件非常广泛（17000多个测试功能，89%的覆盖率门）。看 状态和成熟度 这能保证什么，不能保证什么。

简单地说： Cognithor是一个完全依赖计算机的人工智能助手。你可以通过你的终端、网络用户界面、电报、Discord或18个支持的频道中的任何一个与它交谈，它会回复，记住你上周说的话，并代表你行事。它可以搜索网络、编写和编辑文件、运行shell命令、控制浏览器、自动化桌面（点击、打字、阅读窗口）、管理日历，并随着时间的推移学习新技能。把它想象成一个本地的、私人的、自我完善的贾维斯。

与基于云的助手不同，Cognithor将您的所有数据保存在您的机器上。除非您明确配置了云LLM提供商，否则您的对话、记忆、文档和凭据永远不会离开您的硬件。它与Ollama或LM Studio完全脱机工作，并使用SQLCipher（AES-256）加密所有静止的内容。如果隐私对你很重要——而且应该如此——这就是你想要的架构。

与其他本地AI工具不同的是，Cognithor不仅仅是一个聊天机器人。它是一个代理操作系统：它计划多步骤任务，评估自己的结果，从错误中学习，并自主改进。它可以通过计算机使用（屏幕截图、点击、按键、窗口自动化）控制您的桌面，在ARC-AGI-3推理基准中竞争，并管理社区贡献的技能市场。它是为了和你一起成长而建造的。

______________________________________________________________________

状态和成熟度

Cognithor是测试版/实验版软件。 它正处于快速、积极的发展之中。

测试套件包括哪些内容： 所有模块的单元测试、集成测试、基于属性的测试（假设）、审计完整性烧入（夜间CI）、真实场景测试和Ollama实时测试。17000多个测试函数在受控环境中验证代码的正确性。

测试套件未涵盖的内容： 真实世界的部署场景、网络边缘情况、长时间运行的稳定性、多用户负载、特定于硬件的语音/GPU问题或实际的LLM响应质量。

用户注意事项：

• 该项目由一位独立开发人员在人工智能的帮助下开发。代码是人工审查的，但速度很快。
• 次要版本之间可能会发生重大更改。如果稳定性很重要，请固定您的版本。
• 默认语言为 德语，可切换到 英语 通过Flutter指挥中心或 config.yaml。参见 语言与国际化.
• 对于生产使用，强烈建议在您的特定环境中进行彻底测试。
• 欢迎提交Bug报告和贡献——请参阅 问题.

______________________________________________________________________

认知者 是一个完全本地的、由Ollama/LM Studio驱动的自主代理操作系统，充当您的个人人工智能助理。所有数据都保留在您的机器上-没有云，没有强制性的API密钥，完全符合GDPR。它支持从研究、项目管理和知识组织到文件管理和自动化工作流程的任务。可选的云LLM提供商（OpenAI、Anthropic、Gemini和12个以上）可以使用单个API密钥启用。用户可以添加自定义技能和规则，以根据自己的需求定制代理。

目录

• 为什么是Cognithor？
• 状态和成熟度
• 亮点
• 建筑
• 大语言模型提供商
• 频道
• 快速开始 （不到5分钟）
• 配置
• 安全
• 运营信托（Trust-1..10）
• MCP工具
• 测试
• 部署
• 语言与国际化
• 许可证
• 最新动态

亮点

• 19名法学硕士提供者 --Ollama（本地）、LM Studio（本地）和vLLM（本地），llama cpp-python（本地）；OpenAI、Anthropic、Google Gemini、Groq、DeepSeek、Mistral、Together AI、OpenRouter、xAI（Grok）、Cerebras、GitHub Models、AWS Bedrock、Hugging Face、Moonshot/Kimi、Claude Code——以及任何自定义的OpenAI兼容端点
• 17个沟通渠道 -CLI、Web UI、REST API、Telegram、Discord、Slack、WhatsApp、Signal、iMessage、Microsoft Teams、Matrix、Google Chat、Mattermost、飞书/Lark、IRC、Twitch、语音（STT/TTS）
• 六层认知记忆 --核心身份、情景日志、语义知识图、程序技能、工作记忆、战术记忆
• 4通道混合搜索 --BM25全文+向量嵌入+知识图遍历+基于分数融合的层次化文档推理
• PGE架构 --计划器（LLM）->网守（确定性策略引擎）->执行器（沙盒）
• 乘员层（v0.93.0） -高级多代理API(from cognithor import Crew, CrewAgent, CrewTask)在PGE三一之上。异步启动，并行扇出，幂等重放，护栏，5个模板（研究，客户支持，数据分析师，内容，versicherungs-vergleich）。
• 8页快速入门 — docs/quickstart/ --从 pip install 在10分钟内为您的第一批船员提供双语（德语初级+英语）。包括第一组人员、第一工具、第一技能、护栏和PKV报告的可运行示例。
• 安全 --平台自适应沙盒（Linux上的bubblewrap、子进程+超时回退）、基于AST的Python/Shell代码分析（Python ast.NodeVisitor + bashlex 解析器）、SHA-256审计链、凭证库、运行时令牌加密（Fernet AES-256）、具有绿色/黄色/橙色/红色风险分类的网守策略引擎（未独立审计——请参阅 状态和成熟度)
• 知识库 --黑曜石兼容的Markdown库，带有YAML frontmatter、标签、， [[backlinks]]，全文搜索
• 文件分析 --基于LLM的PDF/DOCX/HTML结构化分析（摘要、风险、行动项、决策）
• 视频输入 --附加本地视频(.mp4 / .webm / .mov / .mkv / .avi)或粘贴直接视频URL；Qwen3.6-27B（或任何支持视频的VLM）通过vLLM的原生端到端分析它们 video_url 内容类型。自适应帧采样（对于短剪辑，fps=3， num_frames=32 长期）via ffprobe每回合一个视频，由127.0.0.1的HTTP文件服务器提供，24小时自动清理。需要vLLM后端——Windows安装程序捆绑LGPL ffmpeg。看 docs/vllm-user-guide.md.
• VLM路由器 --三层配置文件系统(fast / balanced / premium)用于视频和图像理解。启发式分类器检查用户的提示和剪辑元数据，选择正确的VLM（Qwen3-VL-8B-Instruct→ Qwen3-VL-8B-思考→ Qwen3.6-27B-NVFP4），通过TRUST-2公开路由决策(rule_id + matched_pattern)因此，收据审阅者可以重播选择特定模型的原因。通过以下方式覆盖 with router.quality_scope("premium"): 或 config.vllm.quality_default.ContextVar已隔离以确保异步安全。看 src/cognithor/core/vlm_router.py.
• 视频合成和渲染 --Cognithor不仅 *读* 视频，它可以 *制造* 他们。这 cognithor.video 包裹发货很薄 RendererABC 抽象与 超帧（Apache-2.0） 作为默认后端；未来的渲染器（远程、云）可以在不接触MCP工具层的情况下进行交换。五个MCP工具涵盖了工作流程： video_compose （GREEN——纯函数，从结构化规范构建自包含的HTML组合，没有子流程，没有FS编写）， video_compose_explainer （16:9标题卡+正文+CTA预设）， video_compose_social_cut （垂直9:16钩+快切拍+外伸）， video_caption_overlay （平行字幕轨道），以及 video_render （橙色-将合成HTML渲染为MP4/MOV/WEB ~/.cognithor/render//).用户提供的原始HTML是 红 在Gatekeeper中，只有结构化规范才能到达渲染器。渲染输出通过相同的链接链接到代理运行 run_id 流式EventEmitter和TRUST-1接收API使用，因此每个帧都是端到端可验证的属性。编辑器提示+可重用模板 cognithor.video.skills （HF-5）。VLM视频读取可以直接驱动构图——见VLM-4烟雾 tests/test_video/.
• 模型上下文协议（MCP） --30个模块（文件系统、shell、内存、web、浏览器、媒体、保险库、合成、代码、技能、文档、社交、看板、身份、进化、计算机使用、sevDesk、A2A等）中的141个工具——自动生成的计数 docs/integrations/catalog.json 每次发布
• 计算机使用 --完全的桌面自动化：屏幕截图、点击、打字、滚动、拖动，通过pywinauto实现Windows UI自动化，以获得精确的元素坐标，3层安全性，自适应等待
• ARC-AGI-3基准测试代理 --参加2026年ARC大奖：13/25个游戏已解决（24个级别），4个求解器系列（ClusterClick、SequenceClick+SimA\*、键盘DFS、SmartExplorer），持久游戏配置文件，多模式视觉（qwen3 vl）
• 分布式锁定 --Redis支持的（基于文件的回退）锁用于多实例部署
• 持久消息队列 --SQLite支持的具有优先级、DLQ和自动重试的持久队列
• 普罗米修斯指标 --/带有Grafana仪表板的度量端点，用于生产可观察性
• 技能市场 -SQLite-persisted技能市场，提供评级、搜索和REST API
• 社区技能市场 --GitHub托管的注册表，具有发布者验证（4个信任级别）、5个检查验证管道、ToolEnforcer运行时沙盒、异步安装/搜索/报告
• Telegram Webhook --轮询+webhook模式，延迟低于100ms
• 自动依赖加载 --启动时检测到并安装了缺失的可选软件包
• 代理对代理协议（A2A） --Linux Foundation RC v1.0，具有完整的JSON-RPC 2.0服务器/客户端，通过MCP工具进行计划级委托，自动发现，SSE流
• 集成聊天 --Flutter命令中心的完整聊天页面，带有WebSocket流、工具指示器、画布面板、批准横幅和语音模式
• Flutter指挥中心 --跨平台UI（Flutter 3.41，Web/桌面/移动），具有科幻美学、GEPA管道可视化、机器人办公室寻路、20多个可编辑配置页面、观察面板、知识图、语音模式、学习仪表板、亮/暗主题、4语言i18n
• 主动学习和好奇心 --CuriosityEngine检测知识缺口，KnowledgeConfidenceManager具有时间衰减和反馈功能，ActiveLearner在空闲时间在后台处理文件
• 人性化感受 --个性引擎（温暖、幽默、问候）、情绪检测（沮丧/紧急/困惑/积极）、用户偏好学习、实时状态回调、用户友好的德语错误消息
• 自动检测通道 --当令牌存在时，通道会自动激活 .env --不需要手动配置标志
• 知识综合 --基于LLM融合的内存+保险库+网络的荟萃分析： knowledge_synthesize （具有置信度评级的完整综合）， knowledge_contradictions （事实核查）， knowledge_timeline （因果链）， knowledge_gaps （完整性得分+研究建议）
• 自适应上下文管道 --每次Planner调用前自动丰富上下文：BM25内存搜索+vault全文搜索+最近剧集，在\浏览器打开->单击 开机 ->完成了
• 增强网络研究 --4提供商搜索回退（SearXNG->Brave->Google CSE->DuckDuckGo），用于JS密集型网站的Jina AI阅读器，域名过滤，源代码交叉检查
• 程序性学习 --Reflector自动综合成功会话中的可重用技能
• DAG工作流引擎 --具有并行分支、条件边、循环检测、自动重试的有向无环图执行。现在连接到Executor以进行并行工具执行
• 分布式工作者 --基于能力的作业路由、运行状况监控、故障转移、死信队列
• 多Agent协作 --代理团队的辩论、投票和管道模式
• i18n语言包 --基于JSON的国际化，具有SHA-256完整性验证，包括德语和英语，可扩展到任何语言
• 工具砂箱硬化 --每个工具的资源限制、网络保护、逃逸检测（8个攻击类别）
• GDPR合规工具包 --数据处理日志（第30条）、保留执行、删除权（第17条）、审计输出
• ARC-AGI-3基准测试 --参加比赛 2026年ARC奖 （200万美元+奖金池） arc/ 模块：混合代理（算法+LLM+CNN），3个MCP工具(arc_play, arc_status, arc_replay)、CLI模式、群集模式。 pip install cognithor[arc]
• 多代理基准脚手架 --顶层可复制的基准测试工具 cognithor_bench/ 包：自己 pyproject.toml, cognithor-bench CLI、Cognithor+AutoGen适配器
• 确定性回放 --通过假设分析和差异比较记录和回放代理执行
• 代理SDK --基于装修商的代理商注册(@agent, @tool, @hook)项目脚手架
• 插件远程注册表 --具有SHA-256校验和、依赖关系解析、安装/更新/回滚的远程清单
• 跨平台社交倾听 -Reddit+黑客新闻（Firebase/Algolia）+Discord（REST API v10）扫描，LLM领先评分。2个统一的MCP工具(social_scan, social_leads)，可按平台间隔配置，自动后选择加入
• 分层文档推理 --基于树的检索（第四个搜索通道）：5个解析器（Markdown、PDF、DOCX、HTML、明文）构建标题树，LLM导航部分选择，无需嵌入
• CAG层（缓存增强生成） --LLM KV缓存重用的确定性前缀生成。前缀构建器（兼容Ollama）+本地llama.cpp构建器、内容规范化、命中率指标
• CLI配置TUI --交互式终端配置编辑器（rich+prompt_toolkit）：从实时提供商处发现模型、部分导航、验证、保存/丢弃
• 基于AST的保安 python ast.NodeVisitor + bashlex shell解析器取代了基于正则表达式的代码分析。在语法树级别检测导入、子流程调用、eval、网络访问和文件操作
• _safe_call() 模式 --统一的错误处理取代了静默 except Exception: pass.具有按功能跟踪、异步变体、断路器集成的故障注册表
• uv安装程序支持 --自动紫外线检测，安装速度快10倍，透明pip回退
• 观察者审计层 --根据4个质量维度（幻觉、谄媚、懒惰、工具无知）对每个响应进行审核，并采用不同的重试策略。以qwen3:32b在本地运行。
• 运营信托（Trust-1..10） --已签名的跑步收据(cognithor receipt show / verify / list / export-all / diff)，结构化的看门人决策解释(rule_id + rule_source + matched_pattern)，15值 FailureMode 分类法、包回滚、六个仅可追加的分类账（来源、权限范围、工具指纹、云升级、微美元成本、迁移）。休息： GET /api/crew/trace/{trace_id}/receipt。参见 运营信托 和 docs/operational_trust.md
• 弹性工作流引擎（CRWE，v0.9.0） — cognithor task 按任务运行具有JSONL流的声明性批处理工作流 flush() + os.fsync()，原子模-N .checkpoint.json, .checkpoint.lock （POSIX fcntl.flock /窗户 msvcrt.locking)，任务之间的SIGINT/SIGTERM紧急检查点，清单篡改检测 --resume，以及审计链集成(workflow_resumed / system_checkpoint_created 事件）。崩溃恢复用途 results.jsonl 线计数作为真理的来源。
• 哈希链审计日志 --每个审计事件都通过HMAC-SHA-256链接到前一个 prev_hash 基于规范的NFC标准化JSON。Reflector通过专用 AuditCategory.REFLECTION 通道（Compliance Spring v0.98.0），有九种事件类型，涵盖因果序列、权重快照、情节附加、语义事实和程序自动创建——可通过端到端验证 cognithor audit verify基于属性的假设检验+夜间老化CI可以保持链的完整性。
• TUF Light Pack注册表签名 --社区包注册表使用Ed25519+SHA-256（离线根密钥，在线目标密钥） TUF灯规格.操作员手册： docs/runbooks/registry_key_rotation.md默认情况下，市场处于休眠状态，直到所有者铸造根密钥对。
• 集成目录 --自动生成自 src/cognithor/mcp/ --看 docs/integrations/catalog.json.DACH特定：sevDesk REST连接器（会计）。
• 竞品分析 — docs/competitive-analysis/ --Cognithor vs AutoGen/MAF/LangGraph/CrewAI。
• 17000+测试功能 · 89%覆盖门 · 0个棉绒错误 · 0个CodeQL警报 · mypy——严格 清洁新的TRUST+CRWE表面

建筑

flowchart TB

%% ===== ENTRY POINTS =====
subgraph ENTRY["Entry Points"]
    UI["Flutter UI / Web UI
(Mobile app available)"]
    API["REST API"]
    CHANNELS["Messaging Channels
(17 channels — chat, voice, REST)"]
end

%% ===== CORE LOOP =====
subgraph CORE["Autonomous Agent Loop"]
    GATEWAY["Gateway
Session + Routing + State"]

    CONTEXT["Context Pipeline
Memory + Vault + Episodes"]

    subgraph PGE["PGE Core Engine"]
        direction LR
        PLANNER["Planner 
Task Understanding
+ Planning"]

        GATEKEEPER["Gatekeeper
Policy + Risk Validation"]

        EXECUTOR["Executer
Sandbox + Action"]
    end

    MEMORY["Cognitive Memory
6-Tier Learning System"]
end

%% ===== EXECUTION =====
subgraph EXEC["Execution Stack"]
    WORKFLOW["DAG Engine
Parallel + Retry Logic"]

    TOOLS["MCP Tools
(141 tools / 30 modules)"]

    LLM["LLM Backends
Local + Cloud Models
(22 API endpoints)"]
end

%% ===== FLOW =====

%% Entry into loop
UI --> GATEWAY
API --> GATEWAY
CHANNELS --> GATEWAY

%% Core loop
GATEWAY --> CONTEXT
CONTEXT --> PLANNER
PLANNER --> GATEKEEPER --> EXECUTOR

%% Execution path
EXECUTOR --> WORKFLOW --> TOOLS --> LLM --> MEMORY

%% Feedback loop
MEMORY --> CONTEXT

%% Visibility (important fix)
EXECUTOR --> UI

PGE三一（策划->把关->执行）

每个用户请求都经过三个阶段：

1. 规划师 --基于LLM的理解和规划。分析请求，在内存中搜索相关上下文，使用工具调用创建结构化的行动计划。支持对失败进行重新规划。
2. 守门人 --确定性政策引擎。根据安全规则（风险级别为绿色/黄色/橙色/红色、沙箱策略、参数验证）验证每个计划的工具调用。没有法学硕士，没有幻觉，没有例外。
3. 执行者 --通过基于DAG的并行调度执行批准的操作（独立操作以波浪形式并发运行）。Shell命令独立运行（进程->命名空间->容器），文件访问仅限于允许的路径。

六层认知记忆

内存搜索使用4通道混合方法： BM25 （使用FTS5进行全文搜索，针对德语复合词进行了优化）+ 向量搜索 （Ollama嵌入，余弦相似性）+ 图的遍历 （实体关系）+ 分层文档推理 （长文档的基于树的部分导航）。具有可配置权重和近因衰减的分数融合。

知识库

除了6层存储器外，Cognithor还包括 黑曜石兼容知识库 (~/.cognithor/vault/)对于持久的、人类可读的笔记：

• 文件夹结构: recherchen/, meetings/, wissen/, projekte/, daily/
• 黑曜石格式：YAML frontmatter（标题、标签、来源、日期）， [[backlinks]]
• 6工具: vault_save, vault_search, vault_list, vault_read, vault_update, vault_link
• 直接在中打开vault文件夹 黑曜石 用于图形可视化

反思与程序性学习

在完成会话后，Reflector评估结果，提取语义记忆的事实，并将可重复模式识别为过程候选。对于未来的类似请求，会自动建议学习程序。

计算机使用管道

User Goal → CUTaskDecomposer → Sub-Tasks
  → UIA (exact coords) / Vision (fallback)
  → 3-Layer Tool Enforcement
  → Adaptive Wait → Next Iteration

Cognithor可以像人一样控制你的桌面：截图，用视觉模型分析，点击像素坐标，键入文本，滚动和拖动。第3阶段通过pywinauto添加了Windows UI自动化，它读取操作系统可访问性树以获取精确的元素坐标，而不依赖于视觉。三层安全模型（allowlist+网守+工具执行器）确保破坏性操作需要明确批准。

架构决策记录

• docs/adr/0001-pge-trinity-vs-group-chat.md

--为什么Cognithor使用Planner/Gatekeeper/Executor而不是对话 群聊模式。

与其他框架的比较

• docs/competitive-analysis/ —

Cognithor vs AutoGen，微软代理框架，LangGraph，CrewAI。

大语言模型提供商

Cognitor通过API密钥自动检测后端。设置一个键，模型将自动配置：

# ~/.cognithor/config.yaml — just set one key, everything else is auto-configured
gemini_api_key: "AIza..."
# That's it. Backend, models, and operation mode are auto-detected.

# Or use LM Studio (local, no API key needed):
llm_backend_type: "lmstudio"
# lmstudio_base_url: "http://localhost:1234/v1"  # default

频道

选项B:Linux/macOS/源代码安装

# Clone
git clone https://github.com/Alex8791-cyber/cognithor.git
cd cognithor

# Linux/macOS: Interactive installer (venv, Ollama, models, systemd)
chmod +x install.sh && ./install.sh

# Windows (from source): Double-click install.bat

# Or manual: pip install
pip install -e ".[all,dev]"

选项C:PyPI（任何平台）

pip install cognithor               # Core only: PGE, CLI, Ollama
pip install cognithor[telegram]     # + Telegram channel
pip install cognithor[web]          # + Web UI (Flutter Command Center)
pip install cognithor[all]          # Everything (large install)
ollama pull qwen3:8b                # Pull a model
cognithor                           # Start

# Upgrade to a specific version:
pip install cognithor[all]==0.99.0

# Upgrade to latest:
pip install --upgrade cognithor[all]

先决条件（仅选项B/C）

• Python>=3.12
• 奥拉玛 （本地，免费） 或 任何云LLM API密钥（OpenAI、Anthropic、Gemini等）

安装后：拉模型

ollama pull qwen3:32b              # Planner (20 GB VRAM)
ollama pull qwen3:8b               # Executor (6 GB VRAM)
ollama pull qwen3-embedding:0.6b   # Embeddings (500 MB VRAM)

没有GPU？使用 qwen3:8b 或者设置云API密钥-模型是自动配置的。

卸载： Windows：运行 uninstall.bat.Linux： ./install.sh --uninstall.PyPI： pip uninstall cognithor.

启动（约10秒）

选项A：一键式（Windows） --包含预构建的Web UI，不需要Node.js

Double-click  start_cognithor.bat  ->  Browser opens  ->  Click "Power On"  ->  Done.

如果缺少，启动器会通过winget自动安装Python和Ollama。Node.js仅用于UI开发(npm run dev).

选项B:CLI

cognithor                          # Interactive CLI
python -m cognithor                   # Same thing (always works, no PATH needed)

python -m cognithor --lite            # Lite mode: qwen3:8b only (6 GB VRAM)
python -m cognithor --no-cli          # Headless mode (API only)
COGNITHOR_HOME=~/my-cognithor cognithor  # Custom home directory

窗户： 如果 cognithor 之后不被识别 pip install，使用 python -m cognithor 相反，无论PATH配置如何，这总是有效的。或者，添加Python Scripts 将目录添加到PATH（通常 %APPDATA%\Python\PythonXY\Scripts 或 Scripts 您的venv内的文件夹）。

选项C：Flutter指挥中心（开发）

cd flutter_app
flutter pub get
flutter run       # Desktop, or:
flutter run -d chrome  # Web

Flutter命令中心连接到端口8741上的Python后端。先启动后端(python -m cognithor --no-cli)，然后启动Flutter应用程序。这 聊天页面 作为默认起始页打开--立即开始与Cognithor对话，或激活 语音模式 用于免提通话。科幻美学以深色半透明面板、霓虹灯和GEPA管道可视化为特色。

所有配置——代理、提示、cron作业、MCP服务器、A2A设置——都可以通过仪表板进行编辑和保存。更改将持续到以下YAML文件 ~/.cognithor/.

旧版React UI（已弃用）： 旧的React+Vite用户界面 ui/ 已弃用，将在未来的版本中删除。请改用Flutter命令中心。

Windows用户： 名为的桌面快捷方式 认知者 为了方便起见，包括在内。

通道自动检测

当在中找到通道的令牌时，通道会自动启动 ~/.cognithor/.env:

# ~/.cognithor/.env — just add your tokens, channels activate automatically
COGNITHOR_TELEGRAM_TOKEN=your-bot-token
COGNITHOR_TELEGRAM_ALLOWED_USERS=123456789
COGNITHOR_DISCORD_TOKEN=your-discord-token
COGNITHOR_SLACK_TOKEN=xoxb-your-slack-token

无需设置 telegram_enabled: true 在配置中，令牌的存在就足够了。

目录结构（首次启动时自动创建）

~/.cognithor/
├── config.yaml          # User configuration
├── CORE.md              # Identity and rules
├── memory/
│   ├── episodes/        # Daily log files
│   ├── knowledge/       # Knowledge graph files
│   ├── procedures/      # Learned skills
│   └── sessions/        # Session snapshots
├── vault/               # Knowledge Vault (Obsidian-compatible)
│   ├── recherchen/      # Web research results
│   ├── meetings/        # Meeting notes
│   ├── wissen/          # Knowledge articles
│   ├── projekte/        # Project notes
│   ├── daily/           # Daily notes
│   └── _index.json      # Quick lookup index
├── index/
│   └── cognithor.db     # SQLite index (FTS5 + vectors + entities)
├── hierarchical/
│   └── trees.db         # Hierarchical document trees (SQLite)
├── cag/
│   └── cache.db         # CAG prefix cache (SQLite)
├── mcp/
│   └── config.yaml      # MCP server configuration
├── queue/
│   └── messages.db      # Durable message queue (SQLite)
└── logs/
    └── cognithor.log    # Structured logs (JSON)

CLI命令

Cognithor运行后，您可以在聊天中使用这些斜线命令：

启动标志

配置

Cognithor是通过以下方式配置的 ~/.cognithor/config.yaml。所有值都可以使用环境变量覆盖 COGNITHOR_ 前缀(JARVIS_* 仍被接受为遗留别名）。

# Example: ~/.cognithor/config.yaml
owner_name: "Alex"
language: "de"  # "de" (German, default) or "en" (English)

# LLM Backend — set a key, backend is auto-detected
# openai_api_key: "sk-..."
# anthropic_api_key: "sk-ant-..."
# gemini_api_key: "AIza..."
# groq_api_key: "gsk_..."
# xai_api_key: "xai-..."
# Or: llm_backend_type: "lmstudio"  # Local, no key needed

ollama:
  base_url: "http://localhost:11434"
  timeout_seconds: 120

web:
  # Search providers (all optional, fallback chain: SearXNG -> Brave -> Google CSE -> DDG)
  # searxng_url: "http://localhost:8888"
  # brave_api_key: "BSA..."
  # google_cse_api_key: "AIza..."
  # google_cse_cx: "a1b2c3..."
  # jina_api_key: ""              # Optional, free tier works without key
  # domain_blocklist: []          # Blocked domains
  # domain_allowlist: []          # If set, ONLY these domains allowed

vault:
  enabled: true
  path: "~/.cognithor/vault"
  # auto_save_research: false     # Auto-save web research results

channels:
  cli_enabled: true
  # Channels auto-detect from tokens in ~/.cognithor/.env
  # Set to false only to explicitly disable a channel:
  # telegram_enabled: false

security:
  allowed_paths:
    - "~/.cognithor"
    - "~/Documents"

# Personality
personality:
  warmth: 0.7                    # 0.0 = sachlich, 1.0 = sehr warm
  humor: 0.3                     # 0.0 = kein Humor, 1.0 = viel Humor
  greeting_enabled: true          # Tageszeit-Grüße
  follow_up_questions: true       # Rückfragen anbieten
  success_celebration: true       # Erfolge feiern

# Scaling
distributed_lock:
  backend: "file"                 # "redis" or "file"
  # redis_url: "redis://localhost:6379/0"

message_queue:
  enabled: true
  # max_retries: 3
  # dlq_enabled: true

telemetry:
  prometheus_enabled: true
  # metrics_port: 9090

安全

Cognithor实施了多层安全机制（未经独立审计）：

GDPR合规性（设计隐私）——100%用户权利

Cognithor在架构级别实现GDPR合规性，全面覆盖所有用户权限：

• 同意管理 --具有版本控制的每个通道同意。未经明确同意，不得进行数据处理。
• 合规引擎 --运行时强制门。失败关闭设计：如果同意存储不可用，则阻止处理。
• 第15条（准入） --跨11个数据层（会话、保管库、实体、关系、事件、程序、核心内存、首选项、处理日志、模型使用、同意）完成导出。JSON+CSV格式。
• 第16条（更正） — PATCH /api/v1/user/data 用于实体、首选项、vault注释。
• 第17条（擦除） — DELETE /api/v1/user/data 7个擦除处理程序覆盖所有数据层，包括保管库注释。
• 第18/21条（限制） -通过REST API+ComplianceEngine强制执行的多用途限制（evolution，cloud_llm，memory，osint）。
• 第20条（便携性） --导出格式v2.0 cognithor_portable + POST /api/v1/user/data/import.
• 静态加密 --SQLCipher（AES-256）适用于所有33个SQLite数据库，Fernet适用于内存文件，操作系统密钥管理。
• 审计跟踪 --仅附加带有篡改检测的SHA-256合规日志。
• TTL强制 --通过cron自动执行每日保留。
• 隐私模式 --运行时切换禁用所有持久存储。
• 处理注册表 --所有13个处理活动的符合第30条的登记簿。

运营信托（Trust-1..10）

从v0.97.0开始，代理做出的每个与审计相关的决定都被捕获为 结构化、可查询、签名的收据，而不是自由格式的日志字符串 规范引用是 docs/operational_trust.md.

收据CLI

cognithor receipt show  --include-trust --sign-key $KEY      # full bundle
cognithor receipt verify path/to/bundle.json --sign-key $KEY         # round-trip check
cognithor receipt list --since 2026-05-01                            # enumerate run-ids
cognithor receipt export-all --since 2026-05-01 --out ./bundles/     # batch export
cognithor receipt diff bundle-A.json bundle-B.json                   # structural diff

同样的捆绑包也可以通过REST（所有者令牌门控）访问：

curl -H "X-Cognithor-User: $COGNITHOR_OWNER_USER_ID" \
  "http://localhost:8741/api/crew/trace//receipt?include_trust=true"

信托账簿

所有六个TRUST-5..10分类账仅附加冻结的数据类+ StrEnum + JSON可序列化。捕捉是最好的努力(contextlib.suppress(Exception)), 因此，账本错误不能阻塞调用层。作品集 cognithor.security.trust_bundle.build_trust_bundle(run_id) 折叠所有六个 转换为单个规范块 bundle["trust"].

状态： 内存持久性仅此版本。磁盘持久性 （SQLCipher）+保留窗口+TRUST-7 BINARY 捕获+信任-8 后端调度接线+Flutter TrustBundlePanel 0.98.x的船。 看 Sprint-27 IDE集成计划 对于消费扩展路线图。

注册表信任模型（PACK-4）

社区技能市场使用自我管理的Ed25519+TUF Light 签名方案-- 无第三方见证，无Sigstore依赖，欧盟- 主权的设计。

• 离线 根 关键标志 root.json，代表轮换

在线的 目标 钥匙。 root.json 带有单调 version 和 一 valid_until 窗口，因此过时的重播攻击者无法冻结 在飞行途中回忆。

• 目标键旋转是透明的：一个新的目标公钥落在

新的 root.json，由离线Root签名。客户会接受它 下一次同步。

• 每次签名/新鲜度/重播错误都会出现硬失败——终止开关

必须可靠地联系客户。

• 不 --accept-unsigned-registry 运行时标志（将是降级

矢量）。 REQUIRE_SIGNED_REGISTRY 是构建时间常数。

MCP工具

测试

# All tests
make test

# With coverage report
make test-cov

# Specific areas
python -m pytest tests/test_core/ -v
python -m pytest tests/test_memory/ -v
python -m pytest tests/test_channels/ -v

当前状态： 17000+测试功能 · 主线通过率100% · 89%覆盖门 · ~257000 LOC Python源代码 · 约224000个LOC Python测试 · ~66000 LOC颤振（飞镖）

以下测试故障计数是历史快照，可能落后于实时树-- pytest --collect-only -q tests/ | tail -5 是权威人物。

值得注意的测试套件：183个计算机使用测试，176个ARC测试，136个分层检索测试，71个CAG测试。

部署

注意： Cognithor是Beta版软件。在将其用于重要工作流程之前，请在您的环境中进行彻底测试。定期备份您的数据。看 状态和成熟度.

一键式（Windows）

双击 start_cognithor.bat ->浏览器打开->单击 开机 ->完成。

Docker（开发）

docker compose up -d                         # Core backend
docker compose --profile webui up -d         # + Web UI

Docker（生产）

cp .env.example .env   # Edit: set COGNITHOR_API_TOKEN, etc.
docker compose -f docker-compose.prod.yml up -d

# With optional services
docker compose -f docker-compose.prod.yml --profile postgres up -d   # + PostgreSQL
docker compose -f docker-compose.prod.yml --profile nginx up -d      # + Nginx TLS
docker compose -f docker-compose.prod.yml --profile monitoring up -d # + Prometheus + Grafana

服务：Cognithor（无头）+WebUI+Ollama+可选PostgreSQL（pgvector）+可选Nginx反向代理+可选Prometheus/Grafana监控。通过nvidia容器工具包支持GPU（在编写文件中取消注释）。

裸机服务器（Ubuntu/Debian）

sudo bash deploy/install-server.sh --domain cognithor.example.com --email admin@example.com
# Or with self-signed cert:
sudo bash deploy/install-server.sh --domain test.local --self-signed

安装到 /opt/cognithor/，数据输入 /var/lib/cognithor/，系统服务 cognithor + cognithor-webui.

系统（用户级）

./install.sh --systemd
systemctl --user enable --now cognithor
journalctl --user -u cognithor -f    # Logs

健康检查

curl http://localhost:8741/api/v1/health     # Command Center API
curl http://localhost:8080/api/v1/health     # WebUI (standalone)
curl http://localhost:9090/metrics           # Prometheus metrics

备份

./scripts/backup.sh                    # Create backup
./scripts/backup.sh --list             # List backups
./scripts/backup.sh --restore latest   # Restore

看 deploy/README.md 获取完整的部署文档（Docker配置文件、TLS、Nginx/Caddy、裸机安装、监控、故障排除）。

语言与国际化

Cognithor船用 基于JSON的i18n语言包系统 （从v0.3.0开始）。默认语言为英语，可通过Flutter命令中心或 config.yaml.

运作原理

from cognithor.i18n import t, set_locale

set_locale("en")  # or "de"
print(t("error.timeout"))  # "The operation timed out..."

• 语言包：JSON文件 src/cognithor/i18n/locales/ （例如。， en.json, de.json)
• 点符号键: {"error": {"timeout": "..."}} → t("error.timeout")
• 后备链：当前区域设置→ 英语→ 原始密钥
• SHA-256完整性：可选 .sha256 用于社区包验证的sidecar文件
• 线程安全：通过以下方式切换区域设置 set_locale() 是线程安全的

转换语言

1. Flutter指挥中心：概述→ “Sprache/Language”下拉菜单，或单击标题中的语言按钮
2. 配置文件：设置 language: en 在 ~/.cognithor/config.yaml
3. 环境变量: COGNITHOR_LANGUAGE=en

贡献翻译

1. 复制 src/cognithor/i18n/locales/en.json 到 .json （例如。， zh.json, fr.json)
2. 翻译所有约250个字符串值
3. 跑 python -c "from cognithor.i18n import generate_pack_hash; generate_pack_hash('')"
4. 提交PR

韵律学： ~257000 LOC Python源代码·~224000 LOC Python测试·~66000 LOC Flutter（Dart）·17000多个测试函数·89%的覆盖率门·0个lint错误· 状态：Beta

贡献者

特别感谢

@TomiWebPro --现在是开发团队的核心成员和营销主管。协助早期测试和调试，提供安全建议，并支持社区问答。

u_D4rk4_ --在发布之间提供了关于非固化功能的宝贵反馈。强调需要更稳定、经过充分测试的版本。

许可证

Apache 2.0——请参阅 许可证

版权所有2026亚历山大·索尔纳

明星历史

______________________________________________________________________

最新动态

v0.9.0——弹性工作流引擎（2026-05-06）

单一功能发布： Cognithor弹性工作流引擎（CRWE） — 具有崩溃恢复、信号安全和 审计链整合。 PR#499--~1030 LOC堆芯+885 LOC测试，28 测试（26次通过+2次POSIX仅在Windows上跳过），崩溃恢复 在Windows上SIGKILL下的集成测试通过。

• cognithor task --批处理的新CLI子命令

任务执行。逐行传输JSONL（无完整文件加载），每个任务 fsync() 上 results.jsonl （电源故障时最多丢失1个任务），模块-N 原子 .checkpoint.json 为快速简历写作。

• --resume --从中断处继续。验证清单sha256

（间隙注入检测），结果sha256，行数，模式版本。 不匹配会导致观察到的哈希值+预期哈希值出现显式错误——从不 无声的腐败。

• 并发安全 — .checkpoint.lock （POSIX fcntl.flock /窗户

msvcrt.locking)第二名选手提高 WorkflowAlreadyRunning(pid) 而不是争吵 results.jsonl.

• 信号安全 — SIGINT/SIGTERM 标记并完成：飞行中任务

干净地完成，然后紧急检查站，然后出口。异步- 取消安全。

• 审计链集成 — system_checkpoint_created 和

workflow_resumed 活动路线 AuditLogger.log_system, 每个SEC-HIGH-5的哈希链。关闭gap-injection攻击向量： 操作员可以通过密码学证明 results.jsonl 篡改 工作流脱机时发生。

• 可配置的 — --checkpoint-every N （默认值12）， --workflow-id

以（权力）否决 --handler MODULE:FUNCTION 对于同步和异步处理程序， 自己workflow_id 从 {manifest_stem}_{sha8}_{YYYYMMDD} 所以重新运行 果断地恢复。

v0.98.0--合规弹簧（2026-05-06）

四个PR审计完整性套件加上夜间回归保护 工作流程，基于12个长期关闭的测试覆盖PR 差距。在v0.97.0“操作信任”的基础上，通过转换反射 agent从尽力散文到自由日志的学习路径 “每次自主内存写入都会产生一个结构化的哈希链， 静态加密审计事件”。 5个PR（#494、#496、#495、#497、#498）+ 12个测试覆盖率PR（约545个新测试），0个回归，mypy--strict+ruff 干净。

• PR-A——Reflector审核事件助手。 新 AuditCategory.REFLECTION

- AuditLogger.log_reflection_event(...) 域通道。助手计算 NFC在规范JSON有效载荷上对SHA-256进行了标准化。 CausalAnalyzer.record_sequence 现在是原子的，审计通过 with conn: --DB INSERT在没有审计事件的情况下不会着陆。 (#494)

• PR-B——WeightOptimizer加密快照。 搜索排名权重

快照为Fernet加密 .fernet 文件（内容由 SHA-256）+明文 .meta.json 侧三轮 ~/.cognithor/weight_snapshots/.关闭推理侧通道。 硬编码 channel_contributions 用每个通道的实数代替解决方法 股份来自 MemorySearchResult 分数。 (#496)

• PR-C——假设属性检验。 8个属性断言审计链

不变量：写入事件1:1对应关系、规范形式奇偶校验、NFC 幂等性、哈希决定论、链有效性。 (#495)

• PR-D——水槽稳定器。 剩余3个反射器水槽

(_write_episodic, _write_semantic, _write_procedural)发射 反思事件。 procedure_auto_created 包括 learned_text_sha256 起源哈希——每个自动创建的过程 与源会话加密绑定（关闭 监管机构的“Geister-Prozeduren”缺口）。 MIGRATION_LEDGER 进展 到 v2-reflection-completeness. (#497)

• 夜间老化工作流程 --每天03:00 UTC，50次合成PGE运行

反对孤立 $RUNNER_TEMP/cognithor-burnin/，在任何红色上失败 度量判定（存储/审计发射/原子回滚）。 (#498)

• 9种REFLECTION活动类型现场直播 横跨所有四个自主反射器

带有跳过事件的汇（因果、权重、情节、语义、程序） 对于非写路径，审计链证明 *反射镜跑了，决定 不要坚持”* 而不是沉默。

• 覆盖范围关闭：Flutter提供商27/27，顶级屏幕45/45，

VS Code 5/6源文件单元测试，后端深度测试 agent_vault、后处理、消息处理程序、pge_top、mcp/浏览器， mcp/数据库工具。

v0.97.0——作战信任（2026-05-04）

审阅者反馈驱动的发布，结束了Cognithor的“尸检” 重建“差距。代理人做出的每一个与审计相关的决定都是现在 捕获为结构化、可查询、签名的收据，而不是自由形式的日志 弦。 42个PR（#395-#437），约10500个LOC，约330个新测试，0个回归， mypy-严格+新表面上的褶皱清洁。

堆栈的规范引用是 docs/operational_trust.md.

• TRUST-1运行收据 — AuditLogger.run_receipt(run_id, *, include_trust, signing_key)

将运行的每个审计条目聚合到一个确定的JSON包中 具有可选的HMAC-SHA-256签名。五个新的CLI子命令 (cognithor receipt show / verify / list / export-all / diff)以及a REST端点 GET /api/crew/trace/{trace_id}/receipt?include_trust=true 给操作员一个单独的前门进行尸检。

• TRUST-2决策解释 --每个网守封锁路径（12个站点）

现在附加一个结构化 DecisionExplanation (rule_id, rule_source, matched_pattern)因此，下游工具可以提供精确的“我们为什么说不” 而不是解析散文。

• TRUST-3故障模式分类 — FailureMode StrEnum 15规范

价值观；每次运行时聚合 AuditLogger.failure_mode_summary(run_id).

• TRUST-4包装回滚 — cognithor pack rollback [--to-version VER]

将包恢复到以前的版本，并将回滚密封到审核链中。

• TRUST-5..10操作信任栈 --仅六个独立追加

账簿（来源、权限范围、工具指纹、云升级、， 成本、迁移）。9个存储层捕获站点，5种指纹中的4种 以整数微美元作为标准成本单位。作品集 build_trust_bundle(run_id) 将所有六个折叠成一个收据块。

• 仅附加审计哈希链 --每个条目都密封了之前的SHA-256；

收据明确显示篡改事件。

• Sprint-27计划文件 (docs/superpowers/plans/2026-05-04-sprint27-ide-integration.md)

--前瞻性的VS Code/JetBrains/Cursor扩展计划 使用新的收据API。

TRUST分类账（SQLCipher）的磁盘持久性，TRUST-7 BINARY-种类 捕获和TRUST-8后端调度布线是脚手架式的，但需要运输 在0.98.x中，上面的CLI+REST表面是支持的入口点 今天。

v0.96.0-ARC-AGI-3通过（2026-05-01）

• 承诺100%成功 cognithor_bench/arc_agi3 语料库 （20项任务：训练+坚持+努力）。

高于v0.95.0中的75%。复制： python -m cognithor.channels.program_synthesis.synthesis.arc_baseline_runner --subset hard

• 5个新的对象级DSL原语 （登记处61→ 66): tile_3x, remove_singletons,

count_components, recolor_by_component_size, unique_colors_diagonal.

• 第二阶段生产接线: WiredPhase2Engine 胶水阶段1枚举搜索

Sprint-1炼油厂管道。新CLI标志 --phase2 --arc-corpus PATH --arc-subset NAME 用于A/B基准测试。

• 端到端5因素验证器 （demo_pass/partial_pixel/不变量/

琐碎/怀疑）符合规范§7.3.3。

• 夜间第2阶段基准工作流程 采用10PP回归门。
• 得分轨迹：硬子集下降了12.5%→ 25 % → 50 % → 100 % 超过短跑5-8。
• 修复: test_tls_config.py 不再使用 openssl 子流程（删除11

16k测试完整仓库运行中偶尔出现Win-py3.12失败）。

v0.95.0--跟踪用户界面（2026-04-27）

• 运行人员的实时可见性 --新的Flutter Trace UI屏幕，带有主细节

列表+时间线日志+每个代理的统计侧栏。业主关门。

• cognithor.crew.trace_bus.TraceBus --正在处理的酒吧/订阅已连接到

compiler.append_audit()；向广播机组生命周期+每次跟踪事件 WebSocket订阅者无需更改Hashline Guard JSONL持久性。

• REST端点 /api/crew/traces, /trace/{id}, /trace/{id}/stats --阅读

现有的回放+历史审计链。容忍腐败；表面 跳过行数 meta.

• **WebSocket消息类型 crew_lifecycle_subscribe / crew_subscribe /

crew_unsubscribe** 用于实时事件流媒体。断开自动清洁。

• AutoGen垫片覆盖范围已验证 — cognithor.compat.autogen.AssistantAgent.run()

路线通过 cognithor.crew.Crew 因此，AutoGen垫片在Trace UI中运行曲面。

• 所有者令牌门控 — cognithor.security.owner.require_owner 读取

COGNITHOR_OWNER_USER_ID env（回退： pyproject.toml 作者姓名）。

v0.94.0——AutoGen战略采用（2026-04-25）

• cognithor.compat.autogen --源代码兼容性垫片 autogen-agentchat==0.7.5.

搜索并替换AutoGen Agent帽代码到Cognithor的迁移路径 PGE三一学院。看 迁移指南.

• cognithor_bench/ --可重复的多智能体基准支架

cognithor-bench run|tabulate 控制台工具和Cognithor/AutoGen适配器。

• examples/insurance-agent-pack/ --独立安装的DACH保险

咨询前参考包，带有可见的ComplianceGatekeeper PGE演示。

• 架构决策记录 --第一ADR

(0001--PGE三一vs群聊) 记录了Cognithor为什么不采用SelectorGroupChat/Swarm模式。

• 竞争分析文档 --与AutoGen、MAF、LangGraph、，

CrewAI下 docs/competitive-analysis/.

v0.92.7（2026-04-23）

• 通过vLLM进行视频输入 --使用Qwen3.6-27B或任何vLLM服务的VLM在聊天中进行端到端视频分析。回形针→ “视频hochladen”或粘贴直接 .mp4/.webm/.mov/.mkv/.avi URL。通过自适应帧采样 ffprobe （短片： fps=3，长剪辑： num_frames=32)，每个文件上限500 MB+5 GB配额，带LRU驱逐，会话生存期+24小时TTL清理，无需静默回退到Ollama（Ollama没有远见）。Windows安装程序现在捆绑了LGPL ffmpeg+CI，验证了GPL免费版本。看 docs/vllm-user-guide.md.
• 默认vLLM图像翻转为 cu130-nightly --标签 v0.19.1 在SM120（Blackwell/RTX 50xx）上预热时，Qwen3.6-27B-NVFP4发生碰撞。夜间船只 FlashInferCutlassNvFp4LinearKernel 修复。第1天的峰值发现 docs/superpowers/spikes/2026-04-23-video-input-vllm-spike-findings.md.
• 统一编排器 — backends_api 和 Gateway 现在共享一个 VLLMOrchestrator 实例通过 app.state，所以 media_url 媒体服务器启动后实际连接到 docker run 命令。
• 14118个Python测试+31个Flutter测试通过 （此版本新增180个），0个失败，0个褶皱错误。

v0.92.2（2026-04-19）

• Windows启动器强化 — Cognithor.exe （.NET托盘应用程序）在启动时不再悄无声息地消失。AppShell构造函数中的所有异常现在都被捕获并记录到 %LOCALAPPDATA%\Cognithor\launcher-crash.log，并通过MessageBox显示。以前失踪 python\python.exe （例如AV隔离） FileNotFoundException 之前 Application.Run() 启动了消息循环，使该进程从任务管理器中消失，没有任何跟踪。
• Python解决方案3层回退 --两者皆有 Cognithor.exe 安装程序生成 cognithor.bat 现在按以下顺序解析Python：（1）捆绑 \python\python.exe, (2) python/py 在PATH上，（3）个众所周知的安装路径(%LOCALAPPDATA%\Programs\Python\Python313|312, %ProgramFiles%\Python313|312, C:\Python313|312).安装Python而没有勾选“添加到PATH”（Python 3.9以来的默认设置）的用户不再被破坏。
• 单实例保护确实有效 --整个过程 Mutex 在 Program.cs 不再使用范围 using，此前在第一次返回时将其处置并击败了后卫。现在明确发布于 finally.
• 优雅的Python缺少用户体验 — ProcessManager.StartPython Python缺失时不再抛出。相反，它设置 PythonMissing = true，托盘图标显示“后端未安装”，并带有解释问题的气球提示。
• 方形标志 — flutter_app/assets/logo.png 和 assets/cognithor_logo.png 1536×1024非正方形，在每个使用的UI中都被裁剪 BoxFit.cover.重新生成为1024×1024平方 Icon-512.png. cognithor_banner.png 重建为1920×640深色主题横幅，标志居中。 cognithor-logo.png 从52×52增加到192×192（PWA标准）。
• 飘动的网 index.html 品牌化 --替换剩余 jarvis_ui title+apple touch标题和默认的“一个新的Flutter项目”。带有真实Cognithor品牌的描述。
• 发布工作流幂等性 --明确的发行说明生成替换 generate_release_notes: true旧的设置预示着新的 **Full Changelog**: ... 重新运行每个工作流程； append_body: false 现在保证幂等重运行。
• 安装程序构建修复 — subprocess.run(["flutter",...]) Windows上的问题现在通过以下方式解决 shutil.which （颤振是 .bat)；失败 flutter build windows （例如，开发人员模式关闭）被捕获为软故障，因此安装程序的其余部分仍在构建； step_inno_setup 报告正确的版本，而不是按字母顺序排列。
• 遗产 jarvis_ui.exe 回退已删除 从 ProcessManager.FindDesktopUi --唯一可接受的名称是 cognithor_ui.exe （v0.42.0重命名）。

v0.92.1（2026-04-18）

• E2E审计修复 — zh.json JSON语法错误（中文文本第458-460行中未转义的ASCII引号）——直到现在，中文语言环境才悄然恢复到英文。已修复 「」 角括号。
• 测试隔离 --3×夹具故障 test_enhanced_integration.py 通过 jarvis_dir= （未知字段，Pydantic默默忽略），导致 MemoryManager 打击真实 ~/.cognithor/db/ 并以“数据库磁盘映像格式错误”失败。现在使用 jarvis_home= +所有52个配置类都具有 model_config = ConfigDict(extra="forbid") 所以不知名的夸格斯大声失败了。
• 工具风险装饰器 — @cognithor_tool(risk_level="green"|"yellow"|"orange"|"red") + PackManifest.tool_risks 现场。PackLoader将申报的风险推送到 mcp_client._tool_registry 负载。以前15/18包工具默认为橙色（只读扫描需要用户批准）；现在每个包工具都得到了它声明的级别。
• CI硬化 新 scripts 作业运行 verify_all.py 和 smoke_test.py 这样这些就不会在CI外腐烂了 flutter 作业运行 dart analyze 和 flutter test.棉绒工作获得充分收益 ruff check + ruff format --check.
• Windows上的UTF-8 — PYTHONIOENCODING=utf-8 + PYTHONUTF8=1 添加到 start_cognithor.bat 和 install.bat. _DEFAULT_CORE_MEMORY 模板现在提供真实的变音（“Identität”），而不是ASCII回退（“Identitaet”）。
• 脚本已修复 — smoke_test.py cp1252崩溃修复（方框图+复选标记字符→ ASCII [OK]/[WARN]/[FAIL]); live_smoke_test.py stdout UTF-8+传统 jarvis.config 进口+ list_models() API签名； verify_all.py 为v0.92.x架构完全重写（已检查删除 cognithor.social 模块和陈旧 src/jarvis/ 路径）。
• Flutter ARB奇偶校验 --添加了11个丢失的密钥 app_zh.arb + app_ar.arb （连接丢失、操作已批准、详细信息错误等）。
• 棉绒+格绿色 --解决了90个褶皱错误（74个自动修复+16个手动），解决了17个飞镖分析问题； ruff format --check 现在干净了。
• 13791项测试通过 （+19次新工具风险测试），0次失败。

v0.92.0（2026-04-16）

• 代理包架构 --付费和免费代理包的完整插件系统。 cognithor.packs 模块： PackManifest （Pydantic v2）， PackLoader （importlib隔离）， PackInstaller （zip/URL+EULA点击），CLI(cognithor pack install|list|remove|update|accept-eula).包住在 ~/.cognithor/packs/ 并在启动时注册。
• 领导SDK — cognithor.leads 替换旧的 cognithor.social 模块。来源不可知 LeadSource ABC， SourceRegistry, LeadService 编排器， LeadStore 随着 source_id 列。任何包都可以注册潜在客户来源——Reddit、HN、Discord、RSS或未来的自定义来源。
• Reddit首席猎人专业版 --首个付费代理包（75欧元独立广告/179欧元柠檬广场广告）。从核心提取到私人 cognithor-packs 回购。包括：Reddit扫描仪、50个回复模板、Playwright自动海报、风格学习器、subreddit发现。Core保留了零Reddit特定代码。
• 3个免费捆绑包 --黑客新闻线索猎人，Discord线索猎人，RSS线索猎人。Apache 2.0，在Cognithor首次启动时自动安装。与付费包相同的包接口。
• 认知者.ai --营销网站部署在Vercel上。通过Octokit从私有GitHub仓库获取构建时间包目录。通过部署挂钩在包仓库推送时自动重建。使用删除线定价、结账流程、购买后安装命令页面打包详细信息页面。
• Flutter Pack感知用户界面 — PackPreviewOverlay 显示了解锁CTA后真实的包装UI变灰。 LockedPackCard 免费包装。 SourcesProvider 民意调查 /api/v1/leads/sources。在已注册的来源上标记Leads选项卡。设置→ 社交媒体显示，未安装包时，Reddit配置已禁用“获取此包”覆盖。
• 反歧视承诺 — /promise 核心永远免费，包加不减，零遥测。“这不是营销文案。这是一份合同。如果我们打破了它，就分叉回购。”
• EULA系统 --每包货物 eula.md SHA-256被固定在清单中。安装程序提示点击，坚持接受。加载器拒绝哈希不匹配或缺少接受的包。
• src/cognithor/social/ 已删除 --15个Python文件（约4000 LOC）已提取到代理包中。网关已重写，与源无关 LeadService。不存在向后兼容性垫片。
• 13600+项测试通过 跨核心+包+站点（657邀请）

v0.91.0（2026-04-14）

• 统一线索引擎 --将仅限Reddit的引导系统推广为多源引擎（#113）。RSS/Atom提要扫描器（stdlib xml.etree，无新deps），可在Flutter设置中按源进行配置→ 社交。侧栏“Leads”选项卡已打开 leads_engine_enabled --禁用所有源时隐藏。
• 安装程序语言修复 --Inno-Setup语言选择现在仍为Cognithor配置（#114）。 install_language.txt 安装程序中的标记→ bootstrap_windows.py 在操作系统区域设置回退之前读取。 first_run.py 标记出现时跳过语言问题。
• OLLAMA_HOST标准化 — OLLAMA_HOST=0.0.0.0 httpx不再崩溃（#115）。 _normalize_ollama_url() 助手接受裸主机、主机：端口、完整URL。有线为 default_factory + before 验证器打开 OllamaConfig.base_url.
• 13500+项测试通过

v0.90.0（2026-04-11）

• 跨平台社交倾听 -Hacker News（Firebase+Algolia API，zero-auth）+Discord（REST API v10，bot代币）扫描仪加入Reddit。统一 social_scan 和 social_leads MCP工具。每个平台配置：间隔、最低分数、类别/频道。Flutter配置UI，带有HN+Discord部分。
• 分层文档推理 --第四检索通道：基于树的PDF、DOCX、HTML、Markdown、明文部分导航。 TreeBuilder + NodeSelector （LLM导航）+ TreeStore （SQLite）。无需嵌入——通过标题层次结构进行结构理解。
• CAG层（缓存增强生成） --LLM KV缓存重用的确定性前缀生成。 PrefixBuilder （奥拉马-兼容）+ NativeLlamaCppBuilder, ContentNormalizer, CacheStore，命中率指标。连接到Planner进行自动前缀注入。
• CLI配置TUI --交互式终端配置编辑器 cognithor --config-tui来自实时LLM提供商的动态模型发现、部分导航、验证、丰富的格式。
• 基于AST的安全 python ast.NodeVisitor 防护装置（40次测试）+ bashlex shell解析器（48个测试）取代了基于正则表达式的代码分析。在语法树级别检测危险的导入、子进程调用、eval、网络访问。
• _safe_call() 模式 --统一错误处理取代79静音 except Exception: pass 跨代码库。每个函数失败注册表，异步变量，结构化日志记录。
• 包重命名 — jarvis → cognithor 在1265个文件中（5770个替换）。两者 cognithor 和 jarvis 保留入口点以实现兼容性。
• 安装人员检修 — install.bat + install.sh 重写GPU检测、模型自动拉取、健康检查、自动升级系统，每次启动时将源树同步到已安装版本。
• 13000多项测试通过 跨Python 3.12/3.13 x Ubuntu/Windows

v0.84.0（2026-04-09）

• Reddit首席猎人 --完整的社交倾听系统：扫描Reddit上的高意图帖子，通过LLM对其进行0-100分的评分，起草具有上下文意识的回复。3个触发路径（Chat、Cron、REST API）。不需要Reddit API密钥。
• Reddit引领Flutter标签 --第7个导航选项卡，带有可过滤的潜在客户管道、分数徽章、回复编辑器、立即扫描FAB。LeadDetailSheet，包含编辑/发布/复制/归档操作。
• 机器人办公室带电布线 --来自真实代理的动态机器人，通过WebSocket进行实时PGE状态同步，驱动服务器机架LED的系统指标，带有真实任务点的看板+悬停工具提示。
• 深度学习上传管道 --混合：即时块索引+后台KnowledgeBuilder管道（Vault、实体、身份记忆）。优先级队列、PDF视觉、OCR回退、YouTube帧。
• 20+错误修复 --问题#62-#89已解决：删除重复的UI页面，填补i18n空白，审核验证崩溃，隐身标志，翻译提示，QR配对，操作模式描述，徽标回退等。
• Flutter自动重建 --Bootstrap检测过时的构建，自动重建或从发布中下载预构建的UI。
• 13000多项测试通过 跨Python 3.12/3.13 x Ubuntu/Windows

v0.80.1（2026-04-08）

• 全面清理棉绒 --299个Ruff-lint错误已解决（E501、F841、B904、SIM102、RUF006等），所有规则均无错误
• 看板 --交互式任务管理，6列，拖放，子任务，来自Cron/Eevolution/Executor的自动任务
• 进化引擎阶段5 --基于CycleController的自主考试深度学习、停滞检测、掌握进度
• 社区技能市场 --GitHub注册表、5检查验证、发布者验证、ToolEnforcer
• 拉尔夫特工循环 --在预算限制下继续/停止多步自主任务执行
• HybridClaw第三阶段 --工具循环检测、上下文保护、安全挂钩、配置版本控制、LLM重试、礼宾路由
• 移动配对和网络 --HMAC设备令牌、QR配对、多接口VPN检测
• i18n第二阶段 --迁移了EN/DE/ZH的648个区域设置键，网关/规划器/网守
• 计算机使用阶段2 --视觉引导点击和屏幕变化检测
• 安装程序 --Inno安装程序，内置Python、Ollama、Flutter UI、健康检查轮询
• 安卓APK+IOS IPA --通过GitHub Actions实现自动移动构建
• 13000多项测试通过 跨Python 3.12/3.13×Ubuntu/Windows

v0.74.0的新增功能

ARC-AGI-3:13/25游戏已解决（24个关卡）——SmartExplorer突破

灵感来自 第三名ARC-AGI-3预览版解决方案，新的SmartExplorer使用系统的状态-动作图探索在单个会话中解决7个以前无法解决的游戏。

• SmartExplorer (smart_explorer.py)：跟踪每个状态的已测试/未测试操作，在已知转换上通过BFS导航到最近的边界，修剪无效果操作，通过连接的组件检测点击目标。无ML——具有智能优先级的纯图搜索
• 7款新游戏已解决：TR87（块匹配，90步），BP35（平台转换器，32步），CD82（5步），TU93（18步），KA59（184步），SU15（122步），TN36（131步）
• 关键洞察：在每个州进行系统行动测试+前沿导航>>盲DFS。SmartExplorer在每个可到达的状态下测试每个操作，并通过已知的最短路径导航回具有未测试操作的状态
• 视觉代理 (vision_agent.py)：qwen3vl引导的分步游戏原型
• 行动7修复：完全从键盘解算器过滤器中删除--现在包括在内
• 点击作为DFS操作：点击位置为常规DFS分支，支持多次点击序列
• 增量单击DFS：对于深度点击谜题（LP85 L2），使用env.step向前推进，而不是重放
• 点击路径缩短：从解决方案中删除多余的点击
• 完整基准测试：测试的全部25款游戏：FT09（10）、VC33（2）、LP85

v0.73.0的新增功能

ARC-AGI-3:7/25游戏已解--点击序列解算器+键盘解算器 --三个求解器家族，涵盖点击、键盘和混合游戏类型。

• 单击序列求解器：BFS+模拟A\*用于水路谜题（VC33:3/7级）
• 键盘求解器：增量DFS比基于回放的BFS快约50倍
• 路径缩短，假阳性检测，泵然后触发架构

v0.72.0的新增功能

ARC-AGI-3：游戏分析器+智能求解器 --基于点击的ARC-AGI-3游戏的全自动游戏分析和解决流程。

• 游戏分析器 (game_analyzer.py)：牺牲一个级别来学习游戏机制，2次视觉调用（qwen3 vl:32b）用于策略指导，持久的GameProfile缓存
• PerGameSolver (per_game_solver.py)：基于预算的策略组合，智能消除搜索和毒簇移除
• 组合测试速度提高760倍: env.reset() （0.5ms）替换 arcade.make() （380毫秒）
• FT09:10/10级别已解决 （可重复，分析后每级约1秒）
• 切换配对检测：自动从牺牲水平数据中识别可点击的颜色

v0.71.0的新增功能

计算机使用：完整的桌面自动化管道

• 阶段2C：分解子任务，创建内容包和文件
• 阶段2D：三层安全（allowlist+gatekeeper）、坐标缩放、自适应等待、快速注入硬化
• 阶段2E：振荡检测、内容限制、对话处理
• 第三阶段：通过pywinauto实现Windows UI自动化——来自操作系统的精确元素坐标

ARC-AGI-3：完全重新设计

• 双模代理：用于互动游戏的RL+用于经典谜题的DSL求解器
• 25个具有组合搜索的网格变换基元
• 使用qwen3vl:32b的多模态视觉代理
• ClusterSolver：第一级获胜（ft09级别1+2已解决）
• 帧分析器、遥测跟踪器、epsilon贪婪浏览器

技能生命周期修复

• 连接到技能注册表的上下文管道——现在主动建议技能
• 日常生命周期审计cron

漏洞修补

• SQLCipher_DictRow兼容性（修复了整个代码库中的所有KeyError:0）
• 23次测试失败+48个错误已解决

v0.68.0的新增功能

文档动力室 --Cognithor现在可以创建、读取和管理所有主要文档格式：

• 7文档工具: read_pdf, read_docx, read_ppt, read_xlsx 新 document_export, document_create 新 typst_render 新
• 模板系统: template_list + template_render — 填写Typst模板（简报，发票，报告）并编译为PDF
• 结构化创建：带节、表、列表的JSON输入→ DOCX、PDF、PPTX、XLSX
• Typst管道：用于高质量PDF的现代LaTeX替代品（\=80%：目标已达成。停滞：频率降低，创建看板任务
• ATL（自主思维循环），具有目标管理和文件管理功能
• 用于目标、计划、日志、统计的REST API

i18n——完全国际化

• 314多个面向用户的字符串从硬编码德语迁移到EN/DE/ZH
• Flutter屏幕通过AppLocalization进行本地化
• 区域设置包的SHA-256完整性验证

v0.66.0——静态加密、Vault双后端、GDPR 100%

静态加密——全磁盘克隆保护

• SQLCipher --所有33个SQLite数据库都使用AES-256加密。密钥存储在操作系统钥匙扣中（从不存储在磁盘上）。
• 加密文件IO --内存文件（CORE.md、剧集、程序）的透明Fernet加密。
• 自动迁移 --首次启动时，现有的未加密数据库迁移到SQLCipher。

Vault双后端

• VaultBackend ABC --可插拔存储：FileBackend（.md，兼容黑曜石）或DBBackend（SQLCipher+FTS5）。
• 双向迁移 --在文件和数据库模式之间切换，不会丢失数据。

GDPR用户权利——100%覆盖

• 第15条（访问）、第16条（更正）、第17条（擦除）、第18/21条（限制）、第20条（可移植性）——所有这些都在11个数据层上完全实现。

122个MCP工具, 11769+次测试 （11779+）。12个错误修复，包括SQLCipher兼容性、cron同意和工具超时。

v0.65.0--GDPR合规性，OSINT模块，进化引擎稳定

GDPR合规层

• 合规引擎 --具有故障关闭设计的运行时强制门。如果同意存储不可用，则阻止处理。
• 许可经理 --通过版本控制跟踪每个渠道的同意。未经明确同意，不得进行数据处理。
• 删除权（第17条） — DELETE /api/v1/user/data 删除所有数据层（内存、保管库、会话、剧集）。
• 进入权（第15条） — GET /api/v1/user/data 将所有个人数据导出为JSON。
• 合规审计日志 --仅附加带有SHA-256链的JSONL，篡改检测。
• TTL强制 --通过cron自动执行每日保留。
• 处理注册表 --所有13个处理活动的符合第30条的登记簿。
• 隐私模式 --运行时切换禁用所有持久存储。
• 静态加密 --所有SQLite数据库的SQLCipher包装器。

OSINT/HIM模块

• HIMAgent --针对个人、项目和组织的结构化OSINT调查。
• 3个新的MCP工具 — investigate_person, investigate_project, investigate_org.
• TrustScorer --5维加权信任评分（0-100），并进行证据交叉验证。
• GDPR 守护者 --预调查同意和目的检查。
• 证据聚合器 --多源索赔分类和矛盾检测。
• HIMReporter --Markdown/JSON/带有SHA-256签名的快速报告格式。

进化引擎——稳定

• 经过广泛的测试和质量自检整合后，从Beta版升级到稳定版。
• 所有4个阶段的生产准备就绪：SystemDetector、IdleLoop、预算/资源、检查点/恢复。

122个MCP工具 （为106）， 11769+次测试.

v0.60.0——自主进化引擎（高级版）

每个代理的预算+资源监控（第3阶段）

• 资源监视器 --实时CPU/RAM/GPU采样。当系统繁忙时，协同调度会暂停后台任务。
• 每个代理的成本跟踪 --每个LLM呼叫都由代理标记。每个代理的每日预算有80%的警告阈值。
• Flutter预算仪表板 --每个代理的成本表（今天/每周/每月）、实时资源栏、预算状态。

检查点/恢复引擎（第4阶段）

• 步骤级检查点 --进化周期在每个步骤后保存状态（Scout→研究→Build→反映）。将中断的循环恢复到它们停止的地方。
• Delta快照 --检查点之间只保留更改的数据。
• Flutter进化仪表板 --可视化步进器，一键简历，最近活动提要。

全进化引擎 （第1-4阶段完成）

• 第1阶段：硬件感知系统配置文件（8个探测器，等级分类）
• 第二阶段：空闲学习循环（空闲时间自主技能培养）
• 阶段3：每个代理的预算+资源监控（协作调度）
• 阶段4：检查点/恢复引擎（弹性循环执行）
• REST API --7个新的端点，用于预算、资源、进化统计和简历。
• 63项新测试, 11769+总计.

v0.54.0——计算机使用，深度研究v2，VS代码扩展

计算机使用（GPT-5.4风格）

• 6个新的MCP工具 — computer_screenshot, computer_click, computer_type, computer_hotkey, computer_scroll, computer_drag
• 截取桌面截图，用视觉模型进行分析，点击像素坐标
• 通过自动安装 start_cognithor.bat

深度研究v2（困惑风格）

• 迭代搜索引擎 --最多25轮，包括查询分解、源评估、交叉验证、置信度评分
• 来源优先级：官方文件→ GitHub→ 社区→ 侧向引道
• 自动调用复杂查询（“recherchiere”、“analysiere”、“untersuche”）

VS Code 扩展

• 识别器vscode/ --带有聊天侧边栏、Code Lens、11个命令的完整扩展
• WebSocket流、上下文感知代码辅助、编辑器集成
• POST /api/v1/chat/completions 后端端点

自主编码

• 50次迭代用于编码任务、自动调试、自动修复
• Ollama/Qwen3:32b作为默认本地规划师
• 核心工具的绿色看门人（write_file、run_python、exec_command）

v0.52.0——自治代理框架、SSH后端、会话管理大修

自主任务执行

• 自主编排器 --复杂的任务会自动分解为子任务，在执行后进行自我评估，并从中学习以用于未来的任务。重复任务会自动进行cron调度。
• 研究自动升级 --计划员自我评估源质量。当结果薄弱或相互矛盾时，会自动升级为 deep_research 或 search_and_read 以便进行更深入的分析。
• 市场监控技能 --内置价格跟踪、虚假检测和定期市场警报的技能（Tomi的5090示例）。
• GEPA稳健性 --更长的评估窗口（20个跟踪，15个会话），用户对高影响力提案的批准，LLM驱动的补丁生成，级联故障自动检测。

SSH远程外壳后端

• 3个新的MCP工具 — remote_exec, remote_list_hosts, remote_test_connection 用于通过SSH在远程服务器上执行命令。
• 安全 --危险的命令阻止，远程执行的橙色看门人批准。
• 已测试 针对具有基于密钥的SSH身份验证的Docker容器。

会话管理

• 自动新建会话 --30分钟不活动后的新会话（可配置）。不再恢复陈旧的聊天。
• 项目文件夹 --使用侧边栏分组将会话分组到项目中。
• 隐身模式 --没有内存丰富或聊天持久性的会话。
• 会话导出 --以JSON格式下载任何聊天记录。
• 全文检索 --搜索所有会话中的所有聊天消息。
• GDPR保留 --自动清理旧会话（保留30天）。
• 聊天记录过滤器 --系统消息和原始工具结果不再显示为聊天气泡。

Flutter用户界面

• 移动优化 --底部导航从8个项目减少到5个项目。iPhone Pro Max响应式布局。
• 灯光模式固定 --主题感知文本颜色和代码块背景。
• 无名徽章 --AppBar中的紫色指示器+抽屉按钮。
• 搜索栏 --会话抽屉中的实时搜索。
• 项目侧边栏 --使用ExpansionTile按文件夹分组的会话。
• 设备权限 --切换本地和网络上的工作。

基础设施

• Docker真实生活测试套件 --22个场景测试（管道+现场Ollama）。
• WebSocket稳定性 --修复了重新连接风暴、速率限制、Windows信号错误。
• CI/CD --iOS+Android构建绿色，GitHub Release上传正常。
• 106个MCP工具 （91）， 11769+次测试 （10904）。

v0.47.1-beta——科幻UI、GEPA管道、机器人办公室寻路

科幻Flutter指挥中心

• 科幻美学大变革 --深色半透明面板、霓虹灯强调发光、全息卡片效果、粒子背景动画
• GEPA管道可视化 --实时目标评估计划行动管道状态，带有动画阶段指标和时间度量
• 机器人办公室寻路 --带有A\*寻路可视化、房间导航和代理位置跟踪的交互式办公室地图

GEPA（目标评估计划法案）

• 4阶段认知管道 --目标提取、评估（上下文+记忆检索）、计划（工具选择+排序）、行动（沙盒执行）
• 管道可观测性 --每个阶段都会发出在Flutter命令中心的观察面板中可见的定时、令牌计数和状态事件

工具扩展

• MCP工具：53→ 94 --跨文件系统、自动化、代码分析和代理协调模块的新工具

v0.42.0-beta--高级用户界面，完整的学习系统，第35/36期

世界级Flutter用户界面

• 响应式三层导航 --桌面：动画侧栏（220px展开/折叠），平板电脑：带悬停展开的紧凑型侧栏，移动设备：底部栏
• 玻璃形态卡 — BackdropFilter 带有渐变高光边缘的磨砂玻璃
• 到处都是微动画 — StaggeredList （级联入口，50ms/个）， AnimatedCounter （平滑数字高音）， ShimmerLoading （梯度扫描骨架）， AnimatedIndexedStack （淡入淡出+幻灯片过渡）
• 渐变背景 --微妙的旋转重点发光（60秒周期，3-5%不透明度）
• 主题对比修复 --30+硬编码的深色模式颜色被主题感知所取代 cardColor/dividerColor --灯光模式完全可用
• 集中设计系统 --30+种颜色 jarvis_theme.dart：实体颜色、相位颜色、代码块颜色、Hermes风格半透明色调、谷歌字体Inter排版
• 管理中心 --主细节布局（30/70分割）而不是网格，响应迅速
• 仪表板 -实时API数据（系统状态、性能指标、型号信息、事件、活动图表）、15s自动刷新、动画计数器
• 定制烤面包系统 --带有字体图标和重音边框的屏幕式祝酒词顶部
• 全局键盘快捷键 --Ctrl+1-5用于标签页（来自任何屏幕），Ctrl+S保存，Ctrl+K搜索
• 配置导出 --浏览器文件下载（不仅仅是剪贴板）

完整学习系统（第36期）

• 探索执行者 --通过记忆搜索自主研究知识差距
• 知识QAStore --SQLite问答知识库，具有信心跟踪和验证功能
• 知识谱系跟踪器 --每个实体的来源跟踪（文件/网络/对话/反馈/探索）
• 网关集成 --ActiveLearner启动，CuriosityEngine每5分钟扫描一次，ConfidenceManager每天衰减
• 信心持久 -反馈API读取/写入数据库中的实际实体信心
• 14个API终点 在...之下 /api/v1/learning/* --统计数据、差距、问答CRUD、沿袭、探索
• Flutter学习仪表板 --5个选项卡（概述、间隙、队列、问答、谱系），带目录配置

第35期Bug修复

• PDF上传、版本显示、提供商清晰度、观察面板、搜索按钮、标记渲染、Ollama超时
• 身份自动安装 start_cognithor.bat 和 install.sh
• React UI已弃用，Flutter已从GitHub自动下载

代码质量

• ruff check src/cognithor/ --0个错误（为204个）
• flutter analyze --0个问题
• 所有测试均已通过

v0.41.0-beta——Flutter UI、主动学习、知识好奇心引擎

Flutter命令中心——全功能奇偶校验（React UI现已弃用）

• 48个新Flutter文件 --完整的跨平台UI取代React，适用于移动设备/平板电脑/台式机
• 18个可编辑的配置页面 --概述、语言、提供者、模型、计划器、执行器、内存、通道、安全、Web、MCP、Cron、数据库、日志记录、提示、代理、绑定、系统
• 表单小部件库 --12个自定义小部件：文本、数字、滑块、选择、切换、列表、域列表、文本区域、JSON编辑器、只读、可折叠卡
• 供应商冲突 --深点路径设置、JSON快照脏跟踪、并行保存、默认弹性加载
• 观察面板 --4选项卡侧面板（代理日志、看板、DAG、计划），带有阶段图标、经过时间、管道状态指示器
• 知识图谱 --强制导向布局，具有6种实体类型颜色、节点点击详情、搜索+类型过滤器
• 语音模式 --5状态机（关闭/监听/对话/处理/说话），德语语音唤醒词检测，speech_to_text+just_audio TTS
• 全局搜索 --Ctrl+K模式，18页50个索引术语
• 主题切换 --具有共享优先权持久性的亮/暗模式
• 运行时区域设置切换 --LocaleProvider支持4种语言（EN/DE/ZH/AR），用户界面即时更新
• 键盘快捷键 --Ctrl+1-0用于页面导航，Ctrl+S用于保存

主动学习系统（第36期）

• 好奇心引擎 --检测低置信度（\90天）实体的知识差距，提出优先勘探任务
• 知识信心管理员 --指数时间衰减（180天半衰期）、基于反馈的调整（正/负/校正）、验证增强、完整审计历史
• 活跃的学习者 --用于~/文档和~/下载、空闲时间处理、内容哈希重复数据删除、可配置学习率的后台文件监视器
• 7个新的API端点 — /api/v1/learning/stats, /gaps, /gaps/{id}/dismiss, /confidence/history, /confidence/{id}/feedback, /queue, /explore
• Flutter学习仪表板 --3选项卡屏幕（概述、知识差距、探索队列），带统计卡、活动图、信心历史

第35期Bug修复

• PDF上传 --具有显式扩展名的文件选择器、上传微调器、错误处理
• 版本显示 --从后端配置读取，回退“未知”
• 提供商清晰度 --顶部为活动提供商，带有“活动提供商”徽章，非活动提供商变暗
• 观察面板 --阶段图标（大脑/屏蔽/播放/刷新）、每次输入所用时间、管道状态指示器
• 搜索按钮 --从FAB移动到清理AppBar按钮
• 响应格式 --带有可点击链接和样式化代码块的Markdown
• Ollama超时 — 10s health check timeout， clear “后端无法访问”消息

v0.36.0-beta--9个新功能：角色、委派、简历、上下文窗口、并行工具

• 创建/操作/实时角色系统 --代理现在具有明确的角色： orchestrator （延伸思维，可以产生）， worker （完全MCP工具访问权限）， monitor （只读）。违约： worker 向后兼容
• 基于方向的委派 --A2A消息获得 direction 字段： remember （存储器写入）， act （执行任务）， notes （即发即弃日志）。基于角色的发送权限
• 恢复为工具调用 --保存到磁盘的持久检查点(~/.jarvis/checkpoints/).会话可以通过以下方式从上一个检查点恢复 cognithor_resume
• 每个代理上下文窗口 --每个代理都拥有一个独立的 ContextWindow 通过时间加权修剪。系统消息和工具结果永远不会被修剪
• 并行工具调用 --只读MCP工具通过以下方式同时启动 asyncio.gather()。写入工具保持顺序。每个刀具超时（默认30秒）
• 思维/执行分离 --编排者私下思考（扩展思维开启，未记录）。工人执行（记录）。成本跟踪统计思维令牌
• 选项卡作为上下文窗口 --浏览器选项卡通过映射到代理上下文 TabContextBridge。选项卡状态在检查点中保持不变
• 多会话认知基础 --具有跨会话核心内存的持久会话管理（最多2048个令牌，从不自动修剪）
• 基于优先级的代理调度 --最小堆优先级队列（1-10），50/50编排器/工作器配额，平台感知并发限制
• 跨平台实用程序 — jarvis.utils.platform 模块： get_platform_name(), get_user_data_dir(), get_max_concurrent_agents(), supports_curses()
• 11769+项测试通过 （90个新功能测试+10814个现有功能，0个回归）

v0.3.6-beta--社区报告的修复（#26、#29、#33）

• 搜索按钮CSS修复 --旧React Control Center中的全局搜索触发器是不可见的（与header的背景相同）。现在使用 --bg3 为了在浅色和深色主题中形成适当的对比（#26）
• i18n提示预设 --系统提示现在从以下位置加载精选翻译 prompt_presets.py （de/en/zh）而不是回到硬编码的德语。优先级链：磁盘文件->i18n预设->硬编码（#33）
• CORE.md工具重复数据删除 --工具描述不再转储到CORE.md和Planner提示符中。CORE.md现在显示一行工具计数参考；Planner通过以下方式获得本地化、分类的描述 ToolRegistryDB (#29)
• 快速进化卫士 --PromptEvolutionEngine现在保护工具描述免受突变。 locked 工具表+进化后验证中的列拒绝删除的变体 {tools_section} (#29)
• 11769+项测试通过 （0次失败）

v0.34.4-beta——A2A授权、沙盒执行、零漏洞

• A2A规划师代表团 --2个新的MCP工具(list_remote_agents, delegate_to_remote_agent)让Planner自主发现任务并将其委派给远程A2A代理。通过自动发现 /.well-known/agent.json
• 沙盒配置执行 --UI设置 max_memory_mb, max_cpu_seconds，以及 network_access 现在实际传播到执行沙箱（以前被忽略）
• 比例迭代上限 — max_iterations 现在设置按比例缩放编码任务上限（迭代上限为80%，成功阈值为30%），而不是硬编码的限制
• 启动时自动更新 — plugins.auto_update 和 marketplace.auto_update 现在在网关启动时触发社区注册表同步
• 零棉绒 --在整个代码库中将393个lint错误（F401、F541、F841、E501、E741、E402）清除为零
• MCP工具：51→ 53 （添加了A2A委派工具）
• 11769+项测试通过 （0次失败）

v0.34.3-beta--REPLAN循环修复，全英文UI，工具模式

• REPLAN环路修复 --PGE循环的深层架构修复：检测裸露的REPLAN文本、连续的无工具迭代和编码任务上限，以防止无限的重新规划
• 全英文用户界面 --旧React Control Center中所有剩余的德语字符串都已翻译（cron.js、A2A描述、图标、提示）
• CORE.md中的工具模式 --自动盘点现在显示完整的参数签名(tool(param: type *))而不是赤裸裸的名字
• Chrome自动填充防御 --GlobalSearch和提供商过滤器输入可防止Chrome自动填充干扰
• 更名为“MCP&A2A”→ “集成” --命令中心页面标签更清晰
• 后端启动修复 --Vite现在在选择Python解释器之前验证jarvis的可导入性；bootstrap汽车修理损坏的venvs

v0.3.0-beta-i18n语言包，4个关键错误修复

• i18n语言包系统 --基于JSON的国际化，带有点符号键、SHA-256完整性验证、回退链（区域设置→ EN → 原始密钥）、线程安全的区域设置切换。配有德语和英语包的船只（每个约250把钥匙）
• UI中的语言切换器 --命令中心标题快速切换（DE/EN）+常规页面下拉列表。语言更改是实时的，无需重新启动
• Bug修复：计划JSON解析重试 --当LLM返回格式错误的JSON时，计划器现在会自动使用格式提示重试，而不是默默失败（“任务成功失败”）
• Bug修复：LLM超时接线 --嵌入超时现在尊重配置 timeout_seconds 而不是硬编码值。LLM超时现在可以在所有后端的Executor页面上看到
• Bug修复：WebSocket竞争条件 --全部12 send_json() WebSocket处理程序中的调用现在可以通过以下方式防止断开连接错误 _ws_safe_send().不再出现“无法呼叫发送”崩溃
• 错误修复：全局搜索 --在FIELD_INDEX和PAGE_LABELS中添加了缺失的页面（执行器、工作流、知识图）。现在搜索找到所有19个配置页面
• 11769+项测试通过 （0次失败）

v0.30.0--mTLS、文档读取、数据库重试

• 文档阅读 --3个新的MCP工具： read_pdf （PyMuPDF）， read_ppt （python pptx）， read_docx （python-docx），具有结构化输出、格式、表格、图像、元数据
• 用于WebUI API的mTLS --具有自动生成的CA/服务器/客户端证书的双向TLS；防止未经授权的API访问(security.mtls.enabled)
• DB重试逻辑 --SQLite以指数回退+抖动（可配置）重试“数据库已锁定”
• MCP工具：48→ 51

以前的版本

• v0.29.1 --CI沙盒测试修复， pysqlcipher3 依赖修复、加密附加修复

• v0.29.0 --QA修复：UI摆动、未保存的更改、键盘快捷键、令牌跟踪、SQLite加密

• UI稳定性 --布局抖动已修复(scrollbar-gutter: stable)，未保存的更改消除了误报，键盘快捷键按顺序排列（Cmd+1..0）

• 令牌跟踪 — WorkingMemory.add_message() 现在更新 token_count live（始终为0）

• SQLite加密 --可选SQLCipher支持操作系统密钥环密钥存储(pip install cognithor[encryption])

• 速度字段已删除 --是一个只有元数据的字段，没有运行时效果；从模型UI中删除

以前的版本

• v0.28.0 --Vite IPv6修复，Qwen3编码器模型更新，Python 3.15语言环境兼容性
• v0.27.5 “BugHunt”——60多个CodeQL修复、CI稳定性、线程安全EpisodicStore、11769+个测试
• v0.27.3 -CWE-22路径遍历修复在TTS API，多GPU安装程序修复， --init-only 悬挂固定
• v0.27.1 --社区技能市场、ToolEnforcer运行时沙盒、5检查验证管道、13个自治修复
• v0.27.0 --全面审核，安装程序大修：80项审核，XSS修复，CORS强化，速率限制，自动安装Python/Ollama
• v0.26.7 --连线：基于DAG的并行执行器、具有SSRF保护的http_request工具、子代理深度保护、实时配置重载
• v0.26.6 --聊天和语音：集成聊天页面、带唤醒词的语音模式、Piper TTS、15个代理基础设施子系统
• v0.26.5 --人性化：个性引擎、情感检测、用户偏好、状态回调、友好的错误消息
• v0.26.0至v0.26.4 --安全强化、Docker prod、LM Studio后端、扩展、覆盖率和技能

______________________________________________________________________