Cortex：基于认知科学原理构建的大语言模型认知运行时

本文介绍Cortex，一个创新的大语言模型认知运行时框架。它不同于主流代理框架，选择基于认知科学第一性原理的系统性设计路径，将认知科学理论转化为类型级架构约束（如全局工作空间理论、互补学习系统等），通过三层架构（认知硬件、执行协议、行为库）实现具有记忆、元认知和自我演进能力的智能代理系统，并提供丰富工具、接口及插件生态。

当前主流代理框架在持久记忆、工具编排等方面已有进展，但Cortex目标是将这些能力从临时拼凑提升为系统性架构设计。其核心创新在于将认知科学成熟理论直接转化为Rust编译器强制执行的结构性约束：全局工作空间理论塑造并发模型，互补学习系统指导记忆巩固，元认知冲突监控为一级子系统，漂移扩散模型替代临时置信度启发式，认知负荷理论驱动上下文压力响应。

Cortex分为三层：

1. 底层（认知硬件）：Rust类型系统编码的基础架构，含事件溯源日志、十状态转换机、三阶段记忆管道（捕获→物化→稳定）、五个元认知检测器、漂移扩散置信度模型、三个注意力通道、三级目标组织、四轴风险评估等。
2. 中层（执行协议）：驱动底层的策略层，含四个提示层（灵魂层、身份层、行为层、用户层），LLM请求组合这些层并附加相关上下文。
3. 顶层（行为库）：独立学习周期的行为库，含五个系统技能（deliberate、diagnose等），技能通过多种路径激活并跟踪效用，分层结构为系统/实例/插件。

Cortex每个设计决策均基于同行评审理论，对应关系如下：

理论	实现	来源
全局工作空间理论 [Baars]	独占前景轮次 + 日志广播	orchestrator.rs
互补学习系统 [McClelland]	捕获→物化→稳定	memory/
前扣带回冲突监控 [Botvinick]	五个检测器 + 格拉顿自适应阈值	meta/
漂移扩散模型 [Ratcliff]	固定增量证据累积	confidence/
奖励预测误差 [Schultz]	EWMA工具效用 + UCB1探索-利用	meta/rpe.rs
前额叶层级 [Koechlin]	战略/战术/即时目标	goal_store.rs
认知负荷理论 [Sweller]	7区域工作空间 +5级压力	context/
默认模式网络 [Raichle]	DMN反思 +30分钟维护	orchestrator.rs
ACT-R产生式规则	系统/实例/插件技能 + SOAR分块	skills/
这些理论确保系统组件有坚实科学基础，非临时启发式方法。

工具类别：文件I/O、执行（bash）、记忆操作、Web、媒体、委托、调度等，可通过MCP服务器和原生插件扩展。 接口支持：CLI、HTTP、JSON-RPC（多传输层）、即时通讯（Telegram/WhatsApp/QQ）、MCP服务器模式、ACP模式，Actor身份跨传输层映射。 插件系统：通过cortex-sdk实现零依赖公共API，插件可贡献工具、技能等。官方cortex-plugin-dev插件将Cortex转为编码代理，提供32个原生工具和7个工作流技能。

技术栈：Rust 2024、SQLite WAL存储、Tokio异步运行时、Axum HTTP框架、JSON-RPC 2.0、支持9个LLM提供商、tree-sitter解析、libloading插件加载。 部署：支持一键脚本安装或源码构建，首次启动通过引导对话建立身份、协作者画像和工作协议。

Cortex代表大语言模型基础设施从功能堆砌转向理论驱动系统性设计的重要演进方向。通过将认知科学理论转化为架构约束，为构建连贯、自我纠正、目标导向的智能系统提供坚实基础。随着AI系统复杂度提升，认知架构的系统性理解将更重要，Cortex的理论驱动设计哲学为未来AI基础设施开发提供参考范式。