Skillget

Pulse

agent
Security Audit
Fail
Health Warn
  • No license — Repository has no license file
  • Description — Repository has a description
  • Active repo — Last push 0 days ago
  • Low visibility — Only 6 GitHub stars
Code Fail
  • rm -rf — Recursive force deletion command in config/policy_rules.json
Permissions Pass
  • Permissions — No dangerous permissions requested
Purpose
This is an autonomous AI agent framework designed to act as a long-running personal assistant, running locally on your machine. Its first fully implemented use case is an automated job-hunting system that scans job descriptions, matches criteria, and interacts with recruiters on your behalf on the BOSS Zhipin platform.

Security Assessment
Overall Risk: High. The tool interacts extensively with sensitive data, requiring access to user accounts and browser sessions via Patchright (a stealth browser automation tool) to execute its primary functions. The automated scan flagged a severe issue: a `rm -rf` recursive force deletion command located in a configuration file (`config/policy_rules.json`). While no hardcoded API secrets or dangerous system permissions were immediately detected by the scan, passing your login credentials and conversations to an automated system poses significant privacy risks. The agents make continuous network requests to function properly.

Quality Assessment
The project is under very active development, with the last code push occurring today. However, community trust and visibility are currently minimal, evidenced by a very low engagement metric of only 6 GitHub stars. The automated scan reports the repository is missing a license file, though the README displays an MIT badge—a discrepancy that introduces legal uncertainty. The codebase architecture is well-documented and structured, cleanly separating the core engine from specific business skills.

Verdict
Use with caution—the active maintenance and promising architecture are undermined by low community trust, legal licensing discrepancies, and the inherent high risk of granting an unproven autonomous agent full access to your personal accounts and browser.
SUMMARY

AI Agent-powered job hunting system built with LangGraph + OpenClaw. Automated JD matching, BOSS Zhipin chat copilot, 24/7 autonomous operation. 求职 Agent 系统

README.md

Pulse

开源的"钢铁侠贾维斯" —— 一个会长期陪你、越用越懂你的个人 AI 助手

English ·  Why ·  核心能力 ·  架构 ·  内核 ·  快速开始 ·  功能 ·  Roadmap ·  文档

Python FastAPI MCP LLM Patchright Milestone License

关键词: AI Agent · Personal AI Assistant · JARVIS · Self-Evolving Agent · ReAct · Tool Use Contract · Agent Memory · Model Context Protocol (MCP) · Patrol / Heartbeat

Pulse 是什么

Pulse 是一个跑在你自己机器上的个人 AI 助手 —— 目标是成为一个会长期驻留、真正理解你、帮你把各种琐事扛下来的贾维斯。

为了做到这一点,Pulse 把一个通用的 Agent 内核和按领域挂载的业务技能包彻底分离:

  • 内核(core/)领域无关 —— 长程调度、五层记忆、契约化工具调用、事件审计、人格进化一体;
  • 技能包(modules/)按领域组目录,新增场景只加目录不改框架;
  • 当前已落地的第一个技能包是求职 —— BOSS 直聘扫 JD、主动打招呼、HR 对话自动回复、发简历、邮件追踪全闭环;
  • 真正的技术深度在三个地方 —— 三契约工具调用(反 Agent 幻觉)、Layer × Scope 五层记忆、AgentRuntime 长程内核(patrol + 熔断 + 事件总线)。

求职只是第一个场景。等内核稳下来,查天气、订行程、调研公司、自动签到、甚至让 Agent 自己生成新技能,都会在同一个内核上跑。

为什么是 Pulse

现在的 Agent 项目大概分三类,都有明显痛点:

类型 代表 痛点
垂直自动化脚本 各种 BOSS / 简历 / 电商自动化项目 换场景就重写,没有复用价值
Agent Framework LangChain / LangGraph / AutoGen 工具箱而非产品,自己还得从 0 搭
Chat 式助手 ChatGPT / Claude desktop 不能长期驻留,不做定时巡视,没有持久记忆与业务闭环

Pulse 想做的是"把 Agent 从聊天窗口拽出来,变成一个会长期陪你的助手":

  • 会主动干活:AgentRuntime 内核长驻后台,在工作时段自动巡逻新消息、定时采集情报,不需要你去点刷新
  • 有真正的记忆:Layer × Scope 双轴记忆,跨会话记住你是谁、你讨厌什么公司、上次谈到哪,而不是每轮 reset
  • 不做假动作:三契约架构(ADR-001)把"LLM 口头答应了却没真调工具"这类 Agent 幻觉钉死在可观测的事件流里
  • 生态兼容:对外暴露 MCP Server,对内接 MCP Client,跟 Claude Desktop / Cursor / 任意 MCP 客户端即插即用
  • 自己长新能力:Skill Generator 把自然语言需求变成 AST 校验 + 沙箱测试过的新工具,热加载进工具注册表

"Agent OS" 不是营销词。Pulse 的 core/ 里真的有调度内核(core/runtime.py)、进程隔离、事件总线、熔断、patrol 生命周期,且 core/ 代码里不会出现任何业务词汇(boss / 简历 / 求职),这是架构硬约束。

核心能力

能力 说明 实装状态
Agent OS 内核 AgentRuntime 长驻,patrol 任务自注册,active hours + 熔断 + 事件总线 ✅ M0-M3
ReAct 推理 + 三环工具 Brain 推理循环 · Ring1 内置工具 · Ring2 Module · Ring3 外部 MCP ✅ M4
三契约工具调用 Description(when_to_use) + Call(tool_choice) + Execution Verifier(commitment 审查) ✅ A · ✅ B · ✅ C v2.1
五层记忆系统 Operational / Recall / Workspace / Archival / Core + Layer × Scope 双轴 ✅ M5
Observability Plane 独立事件总线 + 按天滚动 JSONL 审计 + in-memory 滑窗 + SSE 实时流 ✅
MCP Server + Client 内置 Tool 即 MCP Tool,对外被 Claude Desktop / Cursor 等直连;对内也接入外部 MCP ✅
Skill Generator 自然语言 → 代码 → AST 白名单 → 沙箱 → 热加载 ✅ M6
自进化引擎 SOUL [CORE]/[MUTABLE] 分级 · Autonomous/Supervised/Gated 治理 · 偏好学习 Track A · DPO 采集 Track B ✅ M7
浏览器自动化 Patchright(Playwright 分支,CDP 层反检测),BOSS 直聘实测通过 ✅
多渠道接入 HTTP / SSE / CLI / 飞书 · 消息意图路由 exact → prefix → LLM ✅
HITL 治理 Policy Engine L0-L5 门控 · approval / rollback / 版本化规则 + 差异对比 ✅ M7

系统架构

全景图

┌──────────────────────────────────────────────────────────────────────────┐
│                     Pulse (单 Python 进程)                              │
│                                                                          │
│  ┌──────────────────────── 接入层 ────────────────────────────┐         │
│  │  HTTP API │ SSE 事件流 │ CLI │ 飞书 Adapter │ MCP Server   │         │
│  └──────────────────────────┬───────────────────────────────┘         │
│                              ↓                                           │
│  ┌──────────────────── Agent OS 内核 ────────────────────────┐         │
│  │                                                            │         │
│  │  AgentRuntime  ──→  调度 / active hours / patrol 生命周期 │         │
│  │       │                                                    │         │
│  │       ▼                                                    │         │
│  │  Task Runtime (Brain)  ──→  ReAct 推理循环                │         │
│  │       │                      + ToolUseContract (A/B/C)    │         │
│  │       ▼                                                    │         │
│  │  Memory Runtime        ──→  Layer × Scope 五层记忆        │         │
│  │       │                                                    │         │
│  │       ▼                                                    │         │
│  │  Observability Plane   ──→  EventBus + JSONL + InMemStore │         │
│  │       │                                                    │         │
│  │       ▼                                                    │         │
│  │  SafetyPlane (规划中)  ──→  订阅事件流做策略门控           │         │
│  │                                                            │         │
│  └────────────────────────────────────────────────────────────┘         │
│                              ↓                                           │
│  ┌──────────────── 三环能力模型 (Brain 的 tool list) ────────┐         │
│  │  Ring 1 Tool         轻量级内置函数 (alarm/weather/web…)  │         │
│  │  Ring 2 Module       业务技能包 (job/intel/email/system)  │         │
│  │  Ring 3 External MCP 任意外部 MCP Server (GitHub/Notion…) │         │
│  │  Meta   SkillGen     自然语言 → 新工具热加载              │         │
│  └────────────────────────────────────────────────────────────┘         │
│                              ↓                                           │
│  ┌──────────────── Capability Layer (领域无关) ─────────────┐         │
│  │  LLM Router · Browser Pool · Storage · Notify · Scheduler│         │
│  │  Channel · Policy · EventBus · Cost · Config             │         │
│  └──────────────────────────────────────────────────────────┘         │
│                                                                          │
├──────────────────────────────────────────────────────────────────────────┤
│  PostgreSQL (业务数据 + 记忆)  │  JSON(Core Memory)  │  外部 MCP Servers │
└──────────────────────────────────────────────────────────────────────────┘

内核五层(docs/Pulse-内核架构总览.md)

层级 负责 严禁混入 实装
Agent OS 长驻运行、patrol 调度、active hours、熔断、事件广播 prompt 组装、事实晋升、用户偏好写入 ✅
Task Runtime 单轮执行状态机、tool loop、hook、budget、stop reason、三契约 cron 调度、长期事实 schema ✅
Memory Runtime 五层记忆读写、压缩、晋升、evidence tracing 任务调度、最终答案生成、审计落盘 ✅
Observability Plane 事件总线 + append-only 审计落盘 + 订阅推送 存业务数据、做决策 ✅
SafetyPlane policy gate、approval、rollback、manual takeover 主动业务执行 ⏳ 规划中

Agent 内核三大硬骨头

这是 Pulse 区别于"又一个 LangChain Agent wrapper"的地方。三项都有独立 ADR / 设计文档,不是 vaporware。

1. ToolUseContract —— 反 Agent 幻觉的三条正交契约

问题:Agent 最常见的 bug 不是工具写错,而是 LLM "口头答应了却没真调工具" —— 比如告诉用户"已为你记录偏好",但 tool_calls=[],记忆里啥都没写。纯 prompt 约束在复杂对话里一定会失守。

Pulse 的答案(ADR-001):三条契约正交布防,任一失守由下一层兜住。

契约 落点 干什么
A. Description ToolSpec.when_to_use / when_not_to_use + PromptContract 三段式渲染 + 反例 few-shot 从"让 LLM 猜工具选哪个"变成"工具自己声明前置条件"
B. Call LLMRouter.invoke_chat(tool_choice=...) + 按 ReAct 步数结构化 escalation + hand-off 看到"纯文本空 tool 轮"就 escalate 到 tool_choice="required";工具间传 scan_handle 复用结果
C. Execution Verifier 回复前 LLM 自评 commitment vs used_tools,不一致改写为坦诚说明 + 发 brain.commitment.unfulfilled 落盘审计 兜住 A/B 都失守的边缘情况,任何"假动作"都会被坦诚改写,不给用户糊弄

不变式:语义判断归 LLM,结构判断归 Python。host 侧禁止用关键词/正则匹配用户意图去强制调工具。

每一次契约失守都有真实 trace 驱动(ADR 里登记了 trace_e48a6be0c90e / 16e97afe3ffc / 4890841c2322 等生产 case),这是被生产 bug 打磨出来的防线。

2. Layer × Scope 双轴记忆

业界主流 Agent 记忆是"Core + 向量检索"两层,塞所有东西进一个"memory"袋子里。Pulse 用双轴拆分:

Layer 轴(存在哪一层,决定生命周期):

Layer 生命周期 存储 检索路径
Operational turn / run 内 内存 直接读
Recall 中期 PostgreSQL recent + agentic search (ILIKE)
Workspace 中长期 PostgreSQL KV facts + summary 直接读
Archival 长期 PostgreSQL SPO 精确过滤 + agentic keyword
Core 长期 JSON block 直接读(SOUL / USER / PREFS / CONTEXT)

Scope 轴(属于哪个作用域,决定隔离):turn / taskRun / session / workspace / global

关键单元 —— Workspace × workspace:业务域(job / mail / health...)在这里挂 DomainMemory facade,内核不感知业务语义,只提供 KV/summary CRUD。新增技能包 = 在这个单元上挂一个新 facade。

不走 embedding:Pulse 当前全量用 agentic search(LLM 生关键词 → SQL ILIKE),实测在单用户 ≤ 10⁴ 行规模下 P95 < 10 ms,向量库带来的收益抵不过依赖体积和训练/推理成本。决策依据 + 未来切换阈值见 Pulse-MemoryRuntime设计.md 附录 B。

3. AgentRuntime —— 操作系统级的长程驱动

让 Pulse 在后台"一直醒着"的内核。不是简单的 cron + while True。

  • 自注册:任意模块 on_startup 里 register_patrol(...) 即接入,内核不 import 任何业务模块
  • active hours:工作日 9-22、周末 10-20 自动加频巡视,深夜沉睡,避免凌晨刷 BOSS 被风控
  • 对话式控制面(ADR-004 §6.1):通过 IM 发"查一下后台有哪些任务"、"关一下 BOSS 自动回复"即可控制,不用开后台面板。system.patrol.* IntentSpec 暴露 list / status / enable / disable / trigger 五个动作。
  • 熔断 + 恢复梯度:retry / degrade / skip / abort / rollback / circuitBreak / manualTakeover 七级策略
  • Observability Plane 独立:任何层写事件都经 EventBus.publish,两个默认订阅者:InMemoryEventStore(滑窗 2000 条给 WS/SSE)+ JsonlEventSink(按天滚动,只持久化 llm./tool./memory./policy./promotion. 前缀)

记忆与进化

┌─────────────────────────────────────────────────────────────────┐
│  每轮 ReAct 推理前:                                             │
│    加载 Core (SOUL + USER + PREFS + CONTEXT)                    │
│      + Recall 最近 N 轮摘要 + Archival 相关事实                 │
│      + Workspace × workspace 的 DomainMemory facts              │
│    → 拼成 system prompt 注入 LLM                                │
│                                                                  │
│  推理结束后:                                                    │
│    Recall 追加对话 + 工具调用                                   │
│    Operational 清理 turn 级 scratchpad                          │
│    Workspace/Archival/Core 按 Promotion Pipeline 晋升           │
│    事件同步进 EventBus → InMemStore + JsonlSink                 │
│                                                                  │
│  用户纠正 ("以后别推游戏公司"):                                 │
│    → 偏好学习 Track A:纠正检测 → 规则提取 → PREFS 更新          │
│    → 治理门控 (Autonomous/Supervised/Gated) 决定是否立即生效    │
│    → 变更写审计日志,可回滚、可版本对比                          │
└─────────────────────────────────────────────────────────────────┘

人格分级:SOUL 里每条信念带标签

values:
  - "[CORE]    用户利益优先,不做损害用户的事"
  - "[CORE]    诚实,不确定的事明确说不确定"
  - "[MUTABLE] 优先推荐远程工作机会"

[CORE] 信念永不被反思 Pipeline 修改,[MUTABLE] 可通过反馈与反思进化 —— 越用越懂你,同时兜住底线。

功能清单

Pulse 当前的业务技能包聚焦求职场景,但底层内核已经是通用的,新增领域只加目录。

求职域 modules/job/

子能力 做什么 入口
greet BOSS 直聘岗位扫描 → JD 两层漏斗过滤(规则硬过滤 + LLM 二元判断,反评分阈值困境) → 详情页完整 JD 抽取 → 主动打招呼 job.greet.scan / job.greet.trigger
chat 拉未读消息 → LLM 意图分类 → 画像匹配回复/发简历/HR 卡片同意/升级通知 → 回复后 DOM verify 反假送达 job.chat.run_process / system.patrol.*
profile JobMemory 三类存储: hard constraints / memory items / 简历原文 + parsed 摘要 job.memory.record / job.hard_constraint.set / job.resume.update
connectors/boss Patchright 持久化 context · Cookie 单点登录 · 风控识别 · DOM 快照驱动 selector 仅领域内使用

情报域 modules/intel/

子能力 做什么
interview 面经情报采集 → LLM 提取考察点 → 按公司聚合 → 飞书日报
techradar 技术雷达(RSS / GitHub Trending / 公众号)→ LLM 相关度打分 → 摘要 → 日报
query 情报语义检索 + 分类过滤

邮件域 modules/email/tracker/

IMAP 只读接入 → 邮件 LLM 分类(面试邀请 / 拒信 / 补材料)→ 日程结构化抽取 → 状态同步 + 飞书提醒。

系统域 modules/system/

子能力 做什么
hello 健康探针
feedback 反馈闭环,驱动偏好学习 Track A
patrol system.patrol.* 对话式 patrol 控制面(ADR-004 §6.1)

快速开始

前置

  • Python 3.11+
  • PostgreSQL(本地或 Docker)
  • OpenAI 或 Qwen3-Max API Key(至少一个)

30 秒启动(开发模式)

git clone https://github.com/<your-org>/pulse.git
cd pulse

cp .env.example .env
# 编辑 .env 填入 OPENAI_API_KEY 或 DASHSCOPE_API_KEY, 以及 DATABASE_URL

pip install -e .[dev]
pulse start

API 文档: http://localhost:8010/docs
健康探针: http://localhost:8010/health
实时事件流(SSE): http://localhost:8010/api/agent/events

Docker 一键

docker compose up --build

开启求职自动化(可选)

# 首次登录 BOSS(浏览器扫码,Cookie 自动持久化到 ~/.pulse/boss_browser_profile)
./scripts/boss_login.sh

# 在 .env 打开 patrol
PULSE_JOB_PATROL_GREET_ENABLED=true
PULSE_JOB_PATROL_CHAT_ENABLED=true
AGENT_RUNTIME_ENABLED=true

# 重启后, AgentRuntime 自动进入 active hours,高峰 15min 一次巡检

连到 Claude Desktop / Cursor(作为 MCP Server)

Pulse 的所有 Ring 1 / Ring 2 工具都经 @tool 装饰器自动注册为 MCP Tool,对外可用。连接配置示例(Claude Desktop claude_desktop_config.json):

{
  "mcpServers": {
    "pulse": {
      "command": "pulse",
      "args": ["mcp", "serve"]
    }
  }
}

连上后,Claude / Cursor 里可以直接调用 job.greet.scan、memory.search 等 Pulse 工具。

项目结构

Pulse/
├── src/pulse/
│   ├── core/                    ← 领域无关的内核
│   │   ├── runtime.py           AgentRuntime OS 内核
│   │   ├── brain.py             ReAct 推理循环
│   │   ├── task_context.py      Task Runtime 状态机
│   │   ├── prompt_contract.py   Prompt Contract 体系
│   │   ├── verifier.py          CommitmentVerifier (契约 C)
│   │   ├── memory/              五层记忆 (operational/recall/workspace/archival/core)
│   │   ├── soul/                人格 SOUL + Evolution Pipeline
│   │   ├── learning/            偏好学习 Track A + DPO 采集 Track B
│   │   ├── tool.py              ToolRegistry + @tool 装饰器
│   │   ├── mcp_client.py        MCP Client (对接外部 Server)
│   │   ├── mcp_server.py        MCP Server (对外暴露 Pulse 工具)
│   │   ├── events.py            EventBus + InMemoryEventStore
│   │   ├── event_sinks.py       JsonlEventSink (按天滚动审计)
│   │   ├── policy.py            Policy Engine (L0-L5 门控)
│   │   ├── cost.py              日 LLM 预算 + 自动降级
│   │   ├── router.py            意图路由 (exact/prefix/LLM)
│   │   ├── channel/             多渠道 (HTTP/CLI/飞书)
│   │   ├── browser/             Patchright 浏览器池
│   │   ├── llm/                 多模型路由 + 失败降级
│   │   ├── skill_generator.py   自然语言 → 工具热加载
│   │   └── sandbox.py           AST + subprocess 沙箱
│   │
│   ├── modules/                 ← 业务技能包 (可插拔)
│   │   ├── job/                 求职域: greet / chat / profile / _connectors/boss
│   │   ├── intel/               情报域: interview / techradar / query
│   │   ├── email/tracker/       邮件域
│   │   └── system/              系统域: hello / feedback / patrol
│   │
│   ├── tools/                   ← Ring 1 内置工具 (alarm/weather/web/flight…)
│   └── mcp_servers/             MCP Server runtime (BOSS 浏览器 runtime 等)
│
├── docs/
│   ├── README.md                文档导航入口
│   ├── Pulse-内核架构总览.md    ★ 顶层架构索引
│   ├── Pulse-AgentRuntime设计.md
│   ├── Pulse-MemoryRuntime设计.md
│   ├── Pulse-DomainMemory与Tool模式.md
│   ├── adr/                     ADR-001 ~ 005
│   ├── engineering/             工程化实践 (测试指南等)
│   ├── modules/                 模块级设计文档
│   └── dom-specs/               外部页面真实 DOM 快照 (selector fixture)
│
├── config/                      运行时配置 (router / policy / soul.yaml 等)
├── tests/pulse/                 单元 + 集成 + 合同测试
├── scripts/                     运维脚本 (start / boss_login 等)
├── Dockerfile
├── docker-compose.yml
└── pyproject.toml

技术栈

层级 选型 说明
Agent 内核 自研 core/runtime.py 不绑任何 Agent framework,完全可读可改
推理 ReAct + 三环工具模型 契约化工具调用,非黑盒 chain
模型 OpenAI / Qwen3-Max / DeepSeek LLMRouter 多模型主备降级,按任务类型路由
工具协议 MCP(Model Context Protocol) 对外暴露 + 对内接入
浏览器 Patchright Playwright 分支,CDP 层消除反爬指纹
后端 FastAPI + async HTTP API + SSE 事件流
存储 PostgreSQL 业务数据 + Recall + Workspace + Archival + 审计
人格 / 核心记忆 YAML + JSON 文本可读,便于版本管理与治理回滚
可观测 EventBus + JSONL + InMemoryEventStore 独立 Observability Plane,与记忆解耦
部署 单 Python 进程 · Docker Compose 无 K8s 依赖,自举零门槛

实施里程碑

Pulse 按里程碑推进,每个里程碑都是可运行的系统。当前状态:

里程碑 范围 状态
M0 项目骨架 · 模块系统 · EventBus ✅
M1 Capability 抽取(LLM/Storage/Browser/Scheduler/Notify) ✅
M2 Module 迁移 · V1 清理 ✅
M3 接入层 · 意图路由 · Policy Engine · Docker ✅
M4 Brain ReAct · 三环工具 · MCP Client/Server · 成本控制 ✅
M5 五层记忆 · SOUL · Memory Tools ✅
M6 Skill Generator · AST + 沙箱 ✅
M7 进化引擎 · 治理 · DPO 采集 · 版本化规则 ✅
M8 ToolUseContract 三契约加固(A/B/C) ✅ 除 M8.A 真实 trace 验证

详见 docs/Pulse实施计划.md。

设计决策(为什么这么选)

决策 选择 原因
Agent 记忆是否用向量库 不用,走 agentic search 单用户数据量小,LLM 语义理解 > 向量相似度,依赖体积更小
浏览器引擎 Patchright 而非原生 Playwright CDP 层反检测,BOSS 等反爬站点实测通过率最高
防 Agent 幻觉 三契约正交布防(ADR-001) 只靠 prompt 约束在生产里一定失守;结构化、可审计、可测试
记忆模型 Layer × Scope 双轴 一维"memory"袋子塞什么都混乱;双轴让生命周期与作用域正交
审计 Observability Plane 独立于 Memory 给 LLM 读的和给人/合规读的是两个系统,不应共用 schema
工具协议 MCP-first 与 Claude Desktop / Cursor 生态对齐,未来可接入 10k+ 外部 Server
长驻运行 自研 AgentRuntime 内核 非 cron cron 不懂 active hours / 熔断 / 事件 / 对话式控制
业务 vs 内核 core/ 零业务词汇(硬约束) .cursor/rules/pulse-architecture.mdc 里作为 lint 规则执行

文档导航

Roadmap

Pulse 的第一站是求职,但架构预留了远比求职大的舞台。

已完成

  • 通用 Agent OS 内核(AgentRuntime + 事件总线 + patrol 生命周期)
  • ReAct + 三环工具模型(Ring 1/2/3 + Meta SkillGen)
  • 三契约工具调用(ADR-001 A/B/C)
  • Layer × Scope 五层记忆 + Observability Plane 独立
  • SOUL 人格分级 + Evolution Engine + Gated/Supervised/Autonomous 治理
  • MCP Server + Client 双向
  • 求职技能包:BOSS 扫 JD / 主动打招呼 / HR 对话自动回复 / 发简历 / 邮件追踪

进行中 / 近期

  • SafetyPlane 实装 —— 订阅 EventBus 做 policy gate + manual takeover
  • 多渠道接入:企业微信长连 bot、Discord、Telegram
  • 求职域情报:面经真实站点接入(牛客/脉脉)、公司深度调研 Module

待落地的新技能包(架构已就绪)

  • 日历 / 闹钟 / 天气 / 行程助手(Ring 1 工具已在 tools/,组合场景待打磨)
  • 智能家居 MCP 接入(Home Assistant / Matter)
  • 财务周报 Module(银行/券商 API)
  • 旅游攻略 Module(多源爬 + LLM 汇总)
  • 游戏自动签到 / 日常任务 Module
  • 本地模型离线模式(Ollama + Qwen 本地版)

远期规划

  • Skill Generator 支持生成完整 Module(目前只支持生成 Ring 1 Tool)
  • DPO Track B 实际接入训练 pipeline(Track A 偏好学习已落地)
  • 跨设备同步(手机端轻量 channel + 云端 Pulse 主进程)

贡献

Pulse 正处在 v0 阶段,欢迎 Issue / PR,现在来正是时候。提交 PR 前请过一遍 docs/code-review-checklist.md —— 包含 Pulse 的编码宪法与测试宪法,对代码质量要求较高(反吞异常、反静默兜底、反虚假测试)。

架构类改动请先开 RFC issue 讨论,ADR 机制见 docs/adr/。

致谢

设计过程中吸收了以下项目的经验:

  • Letta / MemGPT —— Core Memory Block 与 self-edit 思路
  • Claude Code Agentic Loop —— per-turn pipeline + 9 种 StopReason + 成本感知恢复
  • OpenClaw —— Heartbeat = 完整 Agent Turn + session 序列化
  • Anthropic MCP —— 工具协议设计
  • NabaOS Tool Receipts —— False Absence 幻觉检测
  • Bertrand Meyer《Design by Contract》 —— 契约化设计哲学

License

MIT

如果 Pulse 帮到了你,欢迎点一个 Star 支持,这是对开源作者最大的鼓励 ⭐
Built for people who want an AI that stays, not one that forgets every conversation.

Reviews (0)

No results found