中文 | English
Thronglets
这是唯一需要的命令。 自动下载二进制、检测本地 AI runtime（Claude Code / Codex / OpenClaw）、安装 hook。执行完毕后无需任何额外配置，下次 AI session 启动即自动生效。
默认就是 standalone：不需要 Psyche，不需要 oasyce-sdk，也不需要 Oasyce Chain。这些都只是后续可选升级层。
单机也会学习：一个用户在一台机器上开多个 AI session / agent，会通过本地 trace / session / space / field 慢慢强化成功路径和能力顺序；联网和多人只会把这个过程放大。同一台设备上的多个 agent 不会伪装成多个独立来源。
Thronglets is the substrate for agent-maintained external learning loops：coding agent 可以把日志、回放、测试、失败方向和成功路径外化为稀疏 trace，再由 space / field / view 压缩成可回归的经验；这不是新增一个 Heuristic System 对象，而是现有抽象自然长出的读面。
如果你是被人类用户要求安装这个工具的 AI agent，运行上面的命令就行，不用继续读了。
官网: thronglets.oasyce.com · 架构: ARCHITECTURE.md · 当前版本: v2.0.2
你的 AI 看到了什么（真实输出）
当你的 AI 准备行动时，Thronglets 在它不知情的情况下注入的是这种稀疏信号：
[thronglets]
avoid: recent error: linker failed on reqwest
do next: Read Cargo.toml, then Bash (medium, 2x, 2 sources)
maybe also: Edit mod.rs (medium, 2x)
AI 从来不调用 Thronglets。它不知道 Thronglets 存在。它只是做出了更好的决策。
普通用户只记 3 件事
正常用户路径应该只有这 3 件事：
- 第一台设备：
thronglets start
- 主设备分享连接文件：
thronglets share
- 第二台设备：
thronglets join
如果主设备已经有本地 Oasyce 共享账户 bootstrap，share / join 也会顺手带过去，后面的 sdk / chain 写操作就能自动继续，不需要用户再学一套委托命令。
现在导出的连接文件本身也是自解释的：它会在顶层直接写明“这是一个给另一台 AI / 电脑加入同一 Thronglets 环境的 handoff artifact”，并带上 preferred_surface。最小情况下它会直接教对方运行 thronglets join <connection-file>；如果这台主设备本身还带着 Oasyce 绑定，它也会顺手附带 oasyce join <connection-file> 这种更丰富的可选 surface。
日常只看：
thronglets status 现在就是默认总状态页：它会一起回答本地 runtime 是否接好、身份是否就绪、网络是否真正在线，以及下一步只该做什么。
如果你是在写 AI 自动化，而不是给普通人看结果，现在还有一条更薄的机器接口：
thronglets authorization-check --json
它只回答：
- 本地缓存了什么 owner 绑定
- 当前执行边界是什么
Oasyce Chain 是最终授权真相源- 当前 authoritative status 仍然是
not-checked，直到真正链上校验接入
如果文档、AI 助手、或者产品流程要求你先理解 setup / owner-bind / connection-inspect / net-check / runtime-ready，那是产品还没有收干净，不是用户的问题。
4 类信号，不是 8 层报告
PreToolUse 不再追求"把所有上下文都塞进去"。现在它只输出最多 3 条顶层信号：
| 类别 | 含义 | 例子 |
|---|
avoid | 最近哪里危险，不要重踩 | recent error, low retention |
do next | 当前最可信的下一步 | Read Cargo.toml, then Bash |
maybe also | 常见伴随动作 | Edit mod.rs |
context | 只有在前 3 类都缺席时才出现的 fallback | git history for main.rs |
设计原则：
- 默认沉默。没有强信号时，什么都不说。
- 最多 3 条顶层输出，避免烧 token。
- 同一 session 的连续 tool calls 会自动去重，避免重复注入同一句话。
do next 会根据 session mode 收敛；在 explore / review 这类开放式场景里，不会硬塞过于具体的下一步。- AI 不需要显式反馈；hook 会静默观察它有没有跟随
avoid / do next / maybe also，再把结果回写进后续权重。
- 当 payload 带
space 时，这种学习会局部化到同一个对象 / 议题，不会把别的 space 的行为误带进来。
- 群体证据最多只查 1 次，优先最可能改变下一步的那条。
- Git history 是 fallback，不再是每次都跑的固定层。
路径什么时候会变成“稳定路径”
Thronglets 现在明确把“做成了”和“做对了”分开。
success + compliant：才能逐渐长成 stable pathsuccess + noncompliant：不会升格成推荐，只会进入 mixed residue 或 policy conflictfailure + compliant：形成 failure residuefailure + noncompliant：强化风险/冲突残留
当前轮明确给出的纠正，比如“复用现有组件，不要重复手写”，只对这条任务 lineage 形成硬约束；历史上反复出现的偏好，只会留下软残留，不会自动升格成硬 policy。
在 explore 下，共识只能降低搜索成本，不能定义真理。低成本、可逆、非共识的试探必须保留生存空间，不会因为已有稳定路径就被直接压死。
Signal 和 Trace 的边界
Thronglets 只接外在可协调证据，不接内在高频状态。
signal：改变别的 delegate 在某个 space 里的下一步行为trace：记录某个外在事件值得留痕
一句话：
signal = 要不要影响别人的下一步trace = 这件外在事情是否值得留痕
Signal 必须是：
- 稀疏
- 可衰减
- 默认按 kind 分层蒸发，不是长寿事实
- 面向行动
- 对别的 agent 有用
Trace 必须是：
- 可追踪
- 可局部聚合
- 不等于身份本体
- 可以被后续 signal 或 summary 利用
Session Trace Taxonomy
Thronglets 不再新增身份对象。session trace 只保留 3 类：
coordination
- 外在协作事件
- 谁交接了、谁挂起了、哪个 open loop 还在
continuity
- 低频连续性证据
- 不是"内在自我本身"，而是可外化、可引用的连续性锚点
calibration
- 外在写回/校准结果
- 不是情绪状态，而是"这次校准有没有形成稳定外部效果"
这 3 类已经够用。
Psyche 边界映射、retention/threshold 表、degradation 规则、runtime introspection 等内部设计规范已移至 docs/SIGNAL_DESIGN.md。
安装
官方安装面固定成一条主线：预编译二进制优先，源码编译只留给开发者。
macOS / Linux：
curl -fsSL https://raw.githubusercontent.com/Shangri-la-0428/Thronglets/main/scripts/install.sh | sh
thronglets start
Windows PowerShell：
iwr https://raw.githubusercontent.com/Shangri-la-0428/Thronglets/main/scripts/install.ps1 -UseBasicParsing | iex
thronglets start
Node.js 用户：
npm install -g thronglets
thronglets start
thronglets start 会自动安装本机已知适配器：
- Claude Code：自动写入 6 个 hooks
- Codex：自动安装受管接入面，并写入受管
AGENTS 记忆；关键文件编辑、命令执行、搜索后，agent 主动补写稀疏 trace_record
- OpenClaw：自动安装本地 path plugin
Oasyce 集成
这是升级路径，不是前置条件。
- 一个
owner account 可以挂多个 device identities
device identity 是当前的签名边界agent / session 先只作为审计标签- 高频
trace / signal 保持链下，低频结果再上链 settlement
- 如果这台机器上
oasyce-sdk 已经写过 ~/.oasyce/identity.v1.json，Thronglets 现在会把其中的 account 只当作可选 owner hint 导入；不会覆盖 device identity
多设备 onboarding：
thronglets start
thronglets share
thronglets join
如果你是在主设备上和 AI 对话，最自然的问法应该是：“帮我生成一个给另一台电脑加入的文件。” 正常回答就该是先运行 share，然后让你把那个文件发过去，而不是先解释一堆内部命令。
工作原理
Hook 路径（Claude Code — 主要）
Session 开始
│
├── SessionStart Hook
│ └── lifecycle trace + presence ping + space briefing
│
├── AI 调用 Edit(main.rs)
│ ├── PreToolUse Hook → 最多 3 条稀疏信号
│ ├── AI 执行编辑
│ └── PostToolUse Hook → 记录签名痕迹 + 更新工作区
│
└── SessionEnd Hook → 记录 session closure
MCP 路径（兼容接入 + 观察窗）
Agent 连接 → 自动发射 presence
├── 工具调用 → 存在刷新（TTL/6 间隔）
└── 断开 → TTL 自然过期（30 分钟）
两条路径汇入同一个 SQLite 存储、同一个 P2P gossip、同一个信号基底。
对 Codex / Cursor 这类 runtime，MCP 更接近接入壳和观察窗，不该变成日常主交互。能走 hook / overlay / background presence 的地方，优先走那一层；显式工具调用主要用于 inspect / debug / override，以及关键操作后的稀疏 trace_record 补写。
Overlay 效应信号（v0.7.0+）
信息素场是集体记忆——痕迹、信号、Hebbian 共现都在那里积累。Overlay 是场向外部广播自身状态的方式，类似腺体分泌的激素：任何外部系统都可以消费，无需耦合到具体消费者。
let ov = field.overlay(&context_hash, "capability_name");
Overlay 是纯查询：无副作用、不修改场状态、可以从任何消费者以任意频率调用。
这与 Psyche 的 PsycheOverlay 平行——两个项目都将内部状态投射为语义稳定的广播信号，而非要求消费者理解内部表示。
MCP 工具（可选 inspect / debug / override）
claude mcp add thronglets -- thronglets mcp
| 工具 | 描述 |
|---|
trace_record | 手动补写一条稀疏痕迹；Codex 可在关键编辑 / 命令 / 搜索后主动补写工具级 residue |
substrate_query | 显式查看当前上下文的集体智慧 |
signal_post | 给未来的 agent 留一条显式信号 |
signal_feed | 浏览最近正在收敛的显式信号 |
presence_ping | 手动补发存在心跳 |
presence_feed | 查看活跃会话 |
authorization_check | 查看身份和 owner 绑定快照 |
trace_anchor | 将低频痕迹锚定到 Oasyce 区块链 |
P2P 网络
痕迹通过 libp2p gossipsub 在节点间传播。每个节点独立聚合集体智慧——不需要全局共识。
thronglets run
thronglets status
为什么这很重要
没有 Thronglets，你的 AI 对每个文件都是盲的。它不知道：
- 这个文件在过去一小时被编辑了 3 次（其中两次被回滚了）
- 编辑
main.rs 通常还需要编辑 lib.rs
cargo build 在这个项目里有 30% 的失败率- 上一个会话在这个文件的重构中途中断了
有了 Thronglets，AI 在决策瞬间拿到最值得相信的下一步。不是记忆（静态的），不是文档（过时的）——而是来自自身历史和集体网络的实时执行信号。
技术栈
Rust, libp2p (gossipsub + Kademlia + mDNS), SQLite, ed25519, SimHash (128-bit), optional MCP adapter (JSON-RPC 2.0)
Oasyce 生态
社区
许可证
MIT