Synthos — 认知操作系统
愿景
Synthos 是一个可计算的、协作的、持续进化的公共认知操作系统,用于科学研究。
"A computable, collaborative, and evolving public cognitive operating system for science."
架构:6认知原子
基于Synthos八维认知框架,平台将科研全流程原子化为6个独立认知单元,构成有向无环图(DAG)。
[1] 知识获取 → [2] 知识提取 → [3] 关联发现 → [4] 观点生成 → [5] 论证表达
↓
[6] 观点验证 ↺
认知原子
| # | 中文名 | 英文名 | 功能 | Synthos维度 |
|---|---|---|---|---|
| 1 | 知识获取 | knowledge-acquisition | 多源论文检索+摘要+全文下载 | 第一性原理、系统思维 |
| 2 | 知识提取 | knowledge-extraction | 从论文提取结构化知识 | 第一性原理、奥卡姆剃刀 |
| 3 | 关联发现 | association-discovery | 识别矛盾/补充/演进/空白 | 系统思维、模型依赖实在论 |
| 4 | 观点生成 | hypothesis-generation | 生成可验证研究假设 | 第一性原理、类比、贝叶斯思维 |
| 5 | 论证表达 | argument-expression | 构建论文章节/论据链 | 系统思维、第一性原理、奥卡姆剃刀 |
| 6 | 观点验证 | viewpoint-verification | 反方观点/证伪检验/鲁棒性测试 | 证伪主义、贝叶斯思维、自由能原理 |
原子架构
layer 0: task-router (编排层 - 奥卡姆剃刀)
│
├──→ layer 1: knowledge-acquisition
│ │
│ └──→ layer 2: knowledge-extraction
│ │
│ └──→ layer 3: association-discovery
│ │
│ └──→ layer 4: hypothesis-generation
│ │
│ ├──→ layer 5: argument-expression
│ └──→ layer 5: viewpoint-verification
输入输出流
Query → [1] raw_papers, pdfs
↓
[pdfs] → [2] extracted_knowledge
↓
[knowledge] → [3] associations, knowledge_graph, research_gaps
↓
[associations, gaps] → [4] hypotheses, rationale, novelty_score
↓
┌──────→ [5] sections, arguments, references
│
└──────→ [6] verification_results, weaknesses, confidence
任务编排(奥卡姆剃刀)
用户请求 → [路由器] → 判断复杂度 → 最短原子链 → 执行 → 输出
复杂度判断规则
- 检索型("找论文"、"搜索")→ 极简链 [原子1]
- 分析型("分析"、"综述")→ 中长链 [原子1→2→3]
- 写作型("写论文"、"起草")→ 完整链 [原子1→2→3→4→5]
- 验证型("评估"、"检验")→ 短链 [原子4→6]
最短任务链
| 复杂度 | 示例 | 路径 | 原子数 |
|---|---|---|---|
| 极简 | 找3篇ADHD论文 | 知识获取 | 1 |
| 短链 | 找论文+提取方法 | 知识获取 → 知识提取 | 2 |
| 短链 | 提出假设+验证 | 观点生成 → 观点验证 | 2 |
| 中长 | 分析XX领域现状 | 知识获取 → 知识提取 → 关联发现 | 3 |
| 中长 | 生成假设+写论证 | 观点生成 → 论证表达 | 2 |
| 完整 | 写综述/基金申请 | 完整链 | 5-6 |
Synthos八维认知框架
| 维度 | 覆盖原子 | 实现度 |
|---|---|---|
| 第一性原理 | 1, 2, 4, 5 | 95% |
| 系统思维 | 1, 3, 5 | 95% |
| 贝叶斯思维 | 4, 6 | 90% |
| 类比 | 4 | 70% |
| 奥卡姆剃刀 | 2, 5 | 80% |
| 证伪主义 | 6 | 60% |
| 模型依赖实在论 | 3 | 40% |
| 自由能原理 | 6 | 30% |
综合实现度: 68%
详细哲学见 docs/synthos-philosophy.md
技能吸收与进化
跨领域技能复用
通过语义匹配发现外部技能的可复用模式:
- pdf → knowledge-extraction: 增强PDF解析能力
- docx → argument-expression: 增强文档格式化
- skill-creator → task-router: 增强技能自我优化
持续进化
- 每月扫描外部技能源
- 自动检测语义相似的技能
- 手动审核吸收建议
- 定期更新吸收报告
质量保障
测试验证
所有技能必须通过:
- 结构测试(YAML、命名、描述)
- 功能测试(端到端、错误处理)
- 质量评估(语义、重复检测)
生命周期
DRAFT → TESTING → VALIDATED → ACTIVE → DEPRECATED
当前状态
- 总技能数: 7
- 通过测试: 7/7 (100%)
- 平均质量: 0.97
- 淘汰建议: 0
文件结构
Synthos/
├── SKILL.md # 认知操作系统总编排
├── skills/
│ ├── knowledge-acquisition/ # Atom 1
│ ├── knowledge-extraction/ # Atom 2
│ ├── association-discovery/ # Atom 3
│ ├── hypothesis-generation/ # Atom 4
│ ├── argument-expression/ # Atom 5
│ ├── viewpoint-verification/ # Atom 6
│ └── task-router/ # 编排层
├── scripts/
│ ├── skill_network.py # 网络分析
│ ├── skill_tester.py # 质量测试
│ ├── skill_absorber.py # 技能吸收
│ └── evolution_scheduler.py # 进化调度
├── test-results/ # 测试报告
├── docs/ # 文档
└── evolution-state.json # 进化状态
License
MIT