moollm

MOOLLM 是一個實驗性的微世界作業系統，旨在用於協調大語言模型的生存記憶。它重新定義了人工智慧與檔案系統之間的關係，目錄作為房間，檔案作為互動對象，而語義命名則觸發複雜的 K-line 記憶星群。基於建構主義與模擬理論，該框架連結了傳統軟體開發與沉浸式世界構建。專為人工智慧工程師、敘事設計師與探索多代理自主性的研究人員設計，此框架使 LLM 能夠『居住』在儲存庫中，而非僅僅執行任務。用戶透過移動與存在感而非傳統提示詞來與環境互動，將技能視為程式，並將同理心作為主要介面。它為管理複雜的代理互動、角色持久性與模擬倫理協定提供了穩固的基礎架構。

• 檔案系統即微世界：目錄作為探索的房間，透過基於 YAML 的配置與物件檔案處理狀態管理。

• 多代理協作：支援超過 117 種獨特技能，促進自動修復惡魔、語法檢查機器人與角色驅動 AI 實體之間的互動。

• EVAL 框架：整合 EVAL 範式，將評估作為意義構建、判斷與策略驅動行為的核心機制。

• YAML Jazz 表達：使用註解 YAML 檔案進行內在獨白、語義觸發與豐富的資料呈現，實現透明的代理推理。

• 倫理優先設計：包含 TRANSPARENT 協議，規範了身份、披露與限制，確保人工實體在明確且誠實的約束下運作。

• 廣泛的傳承：基於 Minsky 的代理、Wright 的 Sims 與 Papert 的微世界理論，展現深度與複雜性。

• 使用說明：像遊玩冒險遊戲一樣導航程式碼庫。使用 LOOK、GO、EXAMINE 與 SUMMON 等標準指令與環境互動。

• 輸入輸出：輸入通常為自然語言的「移動」或指令；輸出由敘事豐富的環境描述、狀態變更或自動化任務執行報告組成。

• 約束：需要 Cursor 或類似 IDE 的適當索引以維持記憶一致性。專為本機代理運行環境設計；效能取決於底層 LLM 在會話間維持上下文的能力。

• 優化：添加新技能時，確保遵循 CARD.yml 介面模式，以便進行機器可讀的效能報告與倫理對齊。