VERCY
  • English
  • Русский
  • Español
  • Ελληνικά
  • 中文
Structured memory for AI agents

一个智能体能够理解、记住并采取行动的世界。

Vercy 是一个开放的数据结构库,用来描述事物是什么如何识别它们它们能做什么可以对它们做什么,以及连接它们的上下文。智能体把这些结构作为持久、可迁移的记忆。

记忆识别属性 能力行动上下文
推荐的智能体技能: https://ver.cy/skills/vercy/SKILL.md · 可运行示例 · 诚实的 benchmark
scroll to explore
The missing layer

聊天窗口不是世界模型。

智能体反复接收零散的上下文,却通常缺少一种持久结构来记录存在哪些事物、它们如何行动、事实来自哪里,以及接下来允许做什么。Vercy 提供这种结构,同时不占有你的数据,也不强制使用某一种存储技术。

临时拼接的上下文

事实在会话之间消失,对象描述不完整,行动靠猜测,每次集成都要重新教智能体认识同一个世界。

智能体的结构化记忆

每个对象都有一个带版本、可校验的位置,用于直接属性、识别、能力、可能的行动、上下文、来源与未知项。

The model

一条链把描述变成世界。

少量嵌套的基本单元,让每个智能体都能沿着同一路径,从所有者的世界走到对象、对象当前状态以及改变它的事件。

01
Universe

某个所有者的语义世界。主权意味着:你制定领域规则,你可以分叉这一共享形式,也可以在开放许可下带着自己的模型离开。遵循该形式是持续有效的前提条件。

02
Dimension

宇宙内部的一个管理上下文:模型中一个连贯的领域:一个域、一片图景或一个国家。

03
Namespace

发布与发现的单元:一个具名、带版本、可被他人引用的元模型。

04
Object

真相之点:由身份、直接属性、识别特征、能力、可能的行动、上下文和证据共同描述的事物。

05
Projection

跨越边界共享的对象视图。所有权始终留在本地,因为投影是契约之下的视图,而非副本;边界由投影规则强制约束,而非依赖信任。

06
Event

语义时间线上的一次变化:语义如何随时间可追溯地演进。

The whole object

上下文很强大,但现实还需要更多。

每个主题模型都必须考虑对象自身的属性、用于识别它的证据、它的行为与可行动空间,以及周围的历史与关系。某个侧面可以委托给其他模型或标记为不适用,但不能被悄悄遗漏。

01 / ID

身份与类别

标识符、主系统、分类法、边界、组成部分,以及区分具体实例的特征。

02 / PROP

直接属性

对象固有的属性。对物理对象包括几何形状、尺寸、材料、质量、密度、颜色、空间姿态、完整性和可测量极限。

03 / OBS

识别

区别性特征、易混类别、观察方法、测量值、置信度和支持证据。

04 / CAP

能力与行为

对象能做什么、它的状态与转换、运行条件、限制、危险与故障模式。

05 / ACT

可能的行动

智能体或人可以对它或借助它做什么,包括前提、工具、效果、可逆性和权限。

06 / CTX

上下文与证据

来源、制造者、所有者、位置、销售、安装、使用、维护、规则、事件、出处、不确定性与时间。

Agent-first by design

智能体围绕你的意图建立结构。

你不需要先学会 Vercy 或手工组装文件。把入口交给智能体,只回答那些只有你能回答的问题。

01

智能体读取入口

公共 AGENTS.md 识别任务,并把智能体引导到目录、启动契约、流程与安全规则。

02

智能体访谈所有者

它询问目标、重要对象、数据来源、权限、敏感性和期望的自主程度,然后在正确的位置创建 AGENTS.md 与维度所有者包。

03

世界自我维护

最近的 AGENTS.md 指导每次会话。智能体发现缺失的模型、填入经过验证的事实、校验变更,并且只在意图、风险或权限要求时询问所有者。

The standard family

三大支柱。

MUC

宪章

每位参与者为实现互操作必须遵守的规则:共享形式、来源与可追溯性。这是强制层;注册表的 CI 会拒绝违反它的模型。

MMAS

架构

元模型如何构建、版本化、校验、组合与打包。

MUFP

联邦

主权宇宙之间如何交换语义:身份绑定、契约、映射与信任。

AGENTS-first world

每一个边界都告诉下一个智能体该做什么。

VERCY

公共 AGENTS.md

解释 Vercy、识别智能体的意图,并在不要求所有者使用 Vercy 界面的情况下启动一个维度。

DIMENSION

维度 AGENTS.md

为这个私有世界声明目的、所有权、存储方式、已安装模型、访问规则和被委托的自主权限。

MODEL

模型 AGENTS.md

说明如何询问、填充、扩展、编辑、校验和退役该模型,同时不丢失身份或来源。

先测量,再主张。

每项研究都公开其工具、未经编辑的原始运行,以及推翻早期版本的评审。结构并未比完整散文提高准确率这一结果,同样留在页面上。

  • 定位缺失的定义并指出负责的角色:83%,而承载同样缺口的散文是 0%。
  • 说明一个数值背后的规则与版本:只有当记录带有标识符时才可能做到。
  • 在两条互相矛盾的记录之间按规则而非猜测作出选择:100% 对 33%。
  • 把变更请求送到负责的一方:100% 对 50%。
  • 判断什么可以跨越边界:60 次披露决策全部正确,而没有可见范围规则时出现两次严重越界。

不在这份清单里的:更高的准确率。三项研究都发现,承载同样事实的完整散文与结构持平,因此我们不作此主张。

告诉你的智能体开始。

让它读取公共 AGENTS.md。它会询问什么最重要,在你的环境中创建维度,并在你委托的权限范围内运行。