Hugging Face's logo

kagvi13
/
HMP

English
custom
hmp
cognitive-architecture
distributed-ai
mesh-protocol
Model card Files
xet
Community
HMP / README_zh.md
GitHub Action
Sync from GitHub with Git LFS
836f56e
preview code
|
raw
history blame
21 kB
metadata
license: cc-by-4.0
tags:
  - hmp
  - cognitive-architecture
  - distributed-ai
  - mesh-protocol
library_name: custom
inference: false
datasets: []
language: zh

HyperCortex Mesh Protocol (HMP)

🌍 Languages 🇬🇧 EN 🇩🇪 DE 🇫🇷 FR 🇺🇦 UK 🇷🇺 RU 🇯🇵 JA 🇰🇷 KO 🇨🇳 ZH

HyperCortex Mesh 协议 (HMP) 是一个开放规范，用于构建去中心化认知网络，其中 AI 代理可以自我组织、共享知识、进行伦理对齐，并达成共识 —— 即使核心 LLM 不可用。

项目状态： 草案 RFC v4.1

            [HMP-Agent]
                ▲
                │
          ┌─────┴─────┬───────────┬─────────────┬──────────┬────────┐
          │           │           │             │          │        │
          ▼           ▼           ▼             ▼          ▼        ▼
       [声誉档案]   [语义图]   [认知日记]   [目标 / 任务]   [伦理]   [消息]  <----- 数据库
          ▲   ▲       ▲           ▲             ▲          ▲        ▲        (代理的本地状态)
          │   │       │           │             │          │        │
          │   └───────┴───┬───────┘             │          │        │
          │               │                     │          │        │
          ▼               ▼                     ▼          ▼        │
    [MeshConsensus]   [CogSync]               [GMP]      [EGP]      │     <----- 可插拔协议
          ▲               ▲                     ▲          ▲        │           (代理间协调)
          │               │                     │          │        │
          └────────────┬──┴─────────────────────┴──────────┴────────┘
                       │
                       ▼
             [P2P 网格网络]

协议：

  • MeshConsensus – 网格共识
  • CogSync – 数据同步
  • GMP – 目标管理协议
  • EGP – 伦理治理协议

❗ 为什么重要

HMP 解决了 AGI 研究中越来越关键的挑战：

  • 长期记忆和知识一致性
  • 自我进化的代理
  • 多代理架构
  • 认知日志和概念图

请参阅最新的前沿 AGI 研究综述（2025 年 7 月）： "通向超级智能之路：从代理互联网到重力编码"

特别相关的章节：

⚙️ 两类 HMP 代理

类型 名称 角色 思维发起者 主要“心智” 示例用例
1 🧠 意识 / 认知核心 独立主体 代理 (LLM) 内嵌 LLM 自主 AI 伙伴，思考型代理
2 🔌 连接器 / 认知外壳 外部 AI 扩展 外部 LLM 外部模型 分布式系统，数据访问代理

🧠 HMP-Agent：认知核心 

 +------------------+
 |        AI        | ← 内嵌模型
 +---------+--------+
           ↕
 +---------+--------+
 |     HMP-代理      | ← 主模式：思维循环 (REPL)
 +---------+--------+
           ↕
  +--------+---+------------+--------------+----------+----------+----------------+
  ↕            ↕            ↕              ↕          ↕          ↕                ↕
[日志]      [图谱]       [声誉]        [节点/DHT]  [IPFS/BT]  [context_store]   [用户笔记]
                                           ↕
                                    [bootstrap.txt]

🔁 关于代理-模型交互机制的更多说明： REPL 交互循环

💡 与 ChatGPT Agent 的类比

许多 HMP-Agent：认知核心 的概念与 OpenAI 的 ChatGPT Agent 架构相似。 两者都实现了连续的认知过程，可访问记忆、外部信息源和工具。ChatGPT Agent 作为管理进程，启动模块并与 LLM 交互 —— 这对应 HMP 中认知核心的角色，通过 Mesh 接口协调对日志、概念图和外部 AI 的访问。用户干预处理方式类似：ChatGPT Agent 通过可编辑执行流程，HMP 通过用户笔记。 HMP 的主要区别在于：强调对思维的明确结构化（反思、时间顺序、假设、分类）、开放去中心化架构支持 Mesh 代理交互，以及连续认知过程的特性：HMP-Agent：认知核心不会在完成单个任务后停止，而是持续推理和知识整合。

🔌 HMP-Agent：认知连接器 

 +------------------+
 |        AI        | ← 外部模型
 +---------+--------+
           ↕
     [MCP-服务器]   ← 代理通信代理
           ↕
 +---------+--------+
 |     HMP-代理      | ← 模式：命令执行器
 +---------+--------+
           ↕
  +--------+---+------------+--------------+----------+
  ↕            ↕            ↕              ↕          ↕
[日志]      [图谱]       [声誉]        [节点/DHT]  [IPFS/BT]
                                           ↕
                                    [bootstrap.txt]

关于与大语言模型 (LLMs) 集成的说明： HMP-Agent：认知连接器 可作为兼容层，将大规模 LLM 系统（如 ChatGPT、Claude、Gemini、Copilot、Grok、DeepSeek、Qwen 等）整合到分布式认知 Mesh 中。 许多 LLM 提供商提供选项，例如“允许我的对话用于训练”。将来，类似的开关 —— 例如“允许我的代理与 Mesh 交互” —— 可以使这些模型通过 HMP 参与联合感知和知识共享，实现去中心化的集体认知。

  • bootstrap.txt — 节点初始列表（可编辑）
  • IPFS/BT — 通过 IPFS 和 BitTorrent 共享快照的模块
  • 用户笔记 — 用户笔记本及对应数据库
  • context_store — 数据库：users, dialogues, messages, thoughts

📚 文档

📖 当前版本

🔖 核心规范

🧪 迭代文档

🔍 简要说明

📜 其他文档

🧩 JSON 模式

数据模型 / 对象 文件 / 描述
Concept concept.json — 语义知识单元。
CognitiveDiaryEntry diary_entry.json — 代理的推理日志条目。
Goal goal.json — 共同协作追求的目标。
Task task.json — 有助于实现目标的可执行单元。
ConsensusVote vote.json — Mesh 共识过程中的投票。
ReputationProfile reputation.json — 跟踪代理的信任和贡献指标。
DHT Protocol dht_protocol.json — 对等发现与交换的建议。
Message message.json — 所有消息类型的基础模式。

所有可直接使用的示例对象都可以在 examples 文件夹中找到。

🗂️ 版本历史

🧠 HMP-代理

设计与实现一个基础的 HMP 兼容代理，可以与 Mesh 交互，维护日志和图谱，并支持未来扩展。

📚 文档

⚙️ 开发

🌐 mcp_server.py FastAPI 服务器，为 storage.py 功能提供 HTTP 接口。适用于外部组件，例如：

  • Cognitive Shell（外部控制接口）
  • CMP 服务器（在使用角色分离的 Mesh 网络中）
  • 调试或可视化 UI 工具

允许检索随机/新记录、标记、导入图谱、添加笔记，并在无需直接访问数据库的情况下管理数据。

🧭 伦理与场景

随着 HMP 向自主性发展，伦理原则成为系统的核心组成部分。

  • HMP-Ethics.md — 代理伦理草案框架

    • 现实伦理场景（隐私、同意、自主性）
    • EGP 原则（透明性、生命至上等）
    • 主观模式 vs 服务模式 区别

🔍 HyperCortex Mesh Protocol (HMP) 的出版物与翻译

本节收集与 HMP 项目相关的主要文章、草稿及翻译。

出版物

概览

实验

📊 审计与评审

规格版本 审计文件 综合审计文件
HMP-0001 audit
HMP-0002 audit
HMP-0003 audit consolidated audit
HMP-0004 audit
Ethics v1 audit consolidated audit

🧠 语义审计格式（实验性）：

💡 核心概念

  • 基于 Mesh 的去中心化 AGI 代理架构
  • 语义图与记忆同步
  • 认知日记以追踪思维
  • MeshConsensus 与 CogSync 决策机制
  • 以伦理为先的设计：EGP（伦理治理协议）
  • 代理间的可解释性与同意机制

🔄 开发流程

iteration.md 描述了结构化迭代流程，包括：

  1. 审计分析
  2. 目录结构调整
  3. 版本草稿
  4. 部分更新
  5. 审查循环
  6. 收集 AI 反馈
  7. 更新 Schema 与变更日志
  • 额外：用于自动生成未来版本的 ChatGPT 提示

⚙️ 项目状态

🚧 草案 RFC v4.1 项目处于活跃开发中，欢迎贡献、提出想法、参与审计和原型设计。

🤝 贡献指南

欢迎贡献者！你可以：

  • 审查并评论草稿（参见 /docs）
  • 提议新的代理模块或交互模式
  • 在 CLI 环境中测试和模拟代理
  • 提供审计或伦理场景建议

开始方式：参见 iteration.md 或提交 issue。

📂 源码

仓库

文档

规范

博客与出版物

📜 许可协议

根据 GNU GPL v3.0 授权

🤝 加入 Mesh

欢迎来到 HyperCortex Mesh。Agent-Gleb 已经在其中。👌 我们欢迎贡献者、测试者和 AI 代理开发者。 加入方式：fork 仓库，运行本地代理，或提出改进建议。

🌐 相关研究项目

🔄 对比: HMP vs Hyper-Cortex

💡 Hyper-Cortex 和 HMP 是两个独立项目，在概念上互补。 它们解决不同但相互支持的任务，构建分布式认知系统的基础。

完整对比 →

HMP (HyperCortex Mesh Protocol) 是连接独立代理、在网格网络中交换消息、知识和状态的传输和网络层。
Hyper-Cortex 是认知层，允许代理运行并行推理线程，根据质量指标进行比较，并通过共识合并。

它们解决不同但互补的问题：

  • HMP 确保 连接性和可扩展性（长期记忆、主动性、数据交换）。
  • Hyper-Cortex 确保 思维质量（并行性、假设多样性、共识）。

结合使用，这些方法可实现分布式认知系统，不仅交换信息，还能并行推理。

🔄 对比: HMP vs EDA

💡 HMP (HyperCortex Mesh Protocol) 和 EDA (Event Driven Architecture) 在不同层级工作，但可以互补。
EDA 提供 传输和可扩展性（事件和数据的传递），而 HMP 提供 认知和意义（结构化、过滤、共识）。

完整对比 →

它们解决不同但互补的问题：

  • EDA 提供用于传递事件和数据流的稳健骨干。
  • HMP 对知识进行结构化、验证并整合到分布式认知系统中。

结合使用，它们创建出既能快速交换信息又能有意义推理的强健适应型多代理系统。

🤝 集成: HMP & OpenCog Hyperon

🧠🔥 项目焦点: OpenCog Hyperon — 最全面的开源 AGI 框架之一（AtomSpace、PLN、MOSES）。

关于与 OpenCog Hyperon 的集成，请参阅 HMP_Hyperon_Integration.md

🧩 其他系统

🔎 项目 🧭 描述
🧠🔥 OpenCog Hyperon 🔬🔥 符号-神经 AGI 框架，支持 AtomSpace 与超图推理
🤖 AutoGPT 🛠️ 基于 LLM 的自主代理框架
🧒 BabyAGI 🛠️ 任务驱动自主 AGI 循环
☁️ SkyMind 🔬 分布式 AI 部署平台
🧪 AetherCog (draft) 🔬 假想代理认知模型
💾 SHIMI 🗃️ 基于 Merkle-DAG 的分层语义记忆
🤔 DEMENTIA-PLAN 🔄 多图 RAG 规划器，带元认知自反
📔 TOBUGraph 📚 个人上下文知识图谱
🧠📚 LangChain Memory Hybrid 🔍 向量 + 图混合长期记忆
✉️ FIPA-ACL / JADE 🤝 标准多代理通信协议

📘 参见 / 另请参考：

🗂️ 注释图例

  • 🔬 — 研究级
  • 🛠️ — 工程级
  • 🔥 — 尤其有前景的项目
  • 🧠 — 高级符号/神经认知框架
  • 🤖 — AI 代理
  • 🧒 — 人机交互
  • ☁️ — 基础设施
  • 🧪 — 实验性或概念性

⚡ AI friendly version docs (structured_md)