SkillsScout
META-AGENT / 元技能与 Agent 增强

J-Space-Cognition-Suite-V3.6

收录日期 2026-08-17·来源仓库 ↗
受欢迎程度
7
可用程度与相关性
8
安全性
8
7.7SCOUT SCORE

1. 基本信息

项目 内容
名称 J-Space-Cognition-Suite-V3.6
作者/维护者 Tiger3807861189(个人开发者)
来源链接 https://github.com/Tiger3807861189/J-Space-Cognition-Suite-V3.6
许可证 Apache License 2.0
GitHub Stars 922(GitHub API)
Forks 39(GitHub API)
最新版本 v3.6
安装方式 复制 j-space/ 目录到 Agent 的 skills 目录

2. 功能介绍与亮点

J-Space 把 Anthropic 关于 Claude 内部“J-space”表征空间的可解释性研究,转译成可在任意 Agent 执行的推理纪律协议:不改模型权重、不需微调。核心机制:按复杂度分级门控(fast/full/loop,按需加载模块);九个模块分别对应容量管理、目标锚定、自我监控、提示词注入识别等场景;在工具调用前等“接缝”处强制核对目标与验证项;可选本地 Python 控制器把状态外化到 .jspace/ 账本,纯标准库、不联网。附带单元测试与 Zenodo DOI 存档。

3. 适用场景

固定分类:元技能与 Agent 增强。适用于用 Claude Code / Codex 等 Agent 处理复杂推理、长程多文件任务,需要显式追踪目标是否漂移、验证是否覆盖的开发者;一次性简单问答无需使用。

4. 跨 Agent 兼容性

5. 推荐理由

价值不在于“装上就能让模型变聪明”,而是提供免费、零依赖、可审计的任务纪律协议:强制复述目标、记录验证项、识别工具输出中的注入指令。理论基础是 Anthropic 已发表的真实研究,双语文档与测试俱全,作者对社区批评性复测持开放态度(见第 8 章)。但其“最终任务质量是否有可测量提升”这一卖点目前存在独立复测争议(见第 8 章),更适合看重过程可审计性的用户,不适合追求确定性能提升的用户。

6. 评分

维度 分数 说明
受欢迎程度 7 922 stars,创建于 2026-07-22,一个月内接近千星;GitHub Issues 有 8 个独立账号参与复测讨论,尚未见站外平台独立讨论
可用性 8 复制目录即用,双语文档完整、测试齐全、近期持续维护;因核心卖点效果存在独立复测争议(见第 8 章),未给满分档
安全性 8 见下方检查清单

安全检查清单:①仅本地读写当前目录 .jspace/ 账本,无需提权 ②不联网 ③无需 API key/凭据 ④未发现注入或第三方品牌夹带,内置模块专门识别工具输出中的注入指令 ⑤个人开发者,无不良记录,对批评性复测公开不压制 ⑥License 清晰 ⑦维护活跃(当日仍有提交)

7. 跟同类 Skills 相比的优势

对比对象 定位 差异
superpowers 头脑风暴/调试/TDD 等流程技能集合 是“选哪套流程”的路由;J-Space 管的是单次推理过程内部状态
langgraph-persistence 基于 LangGraph 框架的检查点机制 依赖特定编排框架;J-Space 是纯文本协议,不绑定任何框架
planning-with-files 用外部文件做任务拆解 状态载体是文件系统;J-Space 默认状态在对话内账本,轻量场景无需落盘

8. 用户评价

9. 其他补充

项目在 Zenodo 完成版本存档(DOI: 10.5281/zenodo.21971181)。

10. 安装使用方式

  1. 复制整个 j-space/ 目录到 Agent 的 skills 目录,保持相对路径不变
  2. 要求 Agent 使用 j-space,或通过 /j-space 触发
  3. 多阶段长任务可选运行本地控制器:
    python3 <skill-root>/scripts/jspace.py note --goal "..." --next "..."
    python3 <skill-root>/scripts/jspace.py seam
    python3 <skill-root>/scripts/jspace.py resume
  4. 安装后无需重启,建议先在中等复杂度任务上观察分级是否合理

11. 注意事项