# 灵枢 vs deja-vu · 统一评分 v7（重评）

> 评分日期：2026-09-15
> 灵枢基线：`38412c4`（v0.4.7 后首个社区 PR 落地，本报告前已做 4 轮独立复核：`222e703`/`0915379`/`1bba53c`/`38412c4`）
> deja-vu 基线：`d02e0ee`（2026-09-13 评估，**本轮未重测**，网络受限无法确认上游是否更新）
> **v7 的性质：不是推倒重来，是在 v6 冻结的算术框架上，用四轮新增实测证据做一次有据的更新。**

---

## 一、v6 → v7 变了什么

v6 之后我做了四轮灵枢复核，产出三类 v6 时**不存在**的证据：

| 证据类 | 具体内容 | 影响的维度 |
|---|---|---|
| **复现广度** | 七臂英文路线逐位复现、渐进式检索逐位复现、hive 冷构建 4.44s/4.56s、wm 10/10、compiler 8/8（含 18 项新回归守卫）、swarm 14/14、writelimit 23 项、census 7 断言 | 可复现性 |
| **部署侧真实修复** | issue #12：宿主 cwd 在插件仓外时桥**静默降级只读 guest、写入不落盘**——已修并带 1:1 复现的回归测试 | 部署运维 |
| **安全治理** | 主动发现 npm 凭据泄露（`_keys.json` 会被打进公开 registry），我对照验证：无 `.npmignore` 时打包 2 个敏感文件 + 141 个 `.pyc`，有则 0/0 | （诚实度的佐证，不改分） |

### 八维评分表

| 维度 | 权重 | 灵枢 v6 | 灵枢 v7 | 变化 | deja-vu | v7 关键证据 |
|---|:--:|:--:|:--:|:--:|:--:|---|
| 检索能力（中文） | 15% | 10.0 | **10.0** | — | 7.0 | locomo-zh-500 实测 96.4%，渐进式检索进一步增强 |
| 检索能力（英文） | 10% | 8.5 | **8.5** | — | 9.5 | ②路上界 99.8（复现），机械下界 57.2（复现）；端到端取决于外部归一环节 |
| 可复现性 | 10% | 8.0 | **8.5** | **+0.5** | 9.5 | 四轮下来几乎所有声称数字逐位复现。⚠️ **原扣分依据「唯一失败 `test_wisdom_md_store`」已作废**（见 §三点五：实为我自身测试污染 + 官方入口已标 SKIP）；**替换为新发现的真实扣分项**：该测试对残留空目录脆弱且报错不指向根因。一减一增量级相当，维持 8.5 |
| 工程规模与测试 | 10% | 9.5 | **9.5** | — | 9.5 | 新增 58 项测试（writelimit 23 + census 7 + defect 18 + wm 10）；deja-vu 为 4560 用例 |
| 架构独立性 | 10% | 9.5 | **9.5** | — | 9.5 | hive Rust 纯 std 零依赖（[dependencies] 空）+ wm.py git 载体 |
| 诚实度 | 12% | 9.8 | **9.8** | — | 9.0 | 本轮再添佐证：commit 主动声明「Rust 形态因 cargo 不可用跳过」「未运行全量 tsc」、安全影响面如实标注（0.4.6 未受影响） |
| 生态适配广度 | 18% | 9.9 | **9.9** | — | 9.8 | 通用 MCP + 一份纪律文件不变 |
| 部署运维 | 15% | 7.5 | **8.0** | **+0.5** | 9.5 | issue #12 修的是部署期最难发现的静默 bug；但「需 Python + npm」的固有成本未变 |
| **加权总分** | 100% | 9.133 | **9.258** | **+0.125** | 9.119 | **差 +0.139** |

### 算术验证（可独立复算）

```
灵枢 v7 = 0.15×10.0 + 0.10×8.5 + 0.10×8.5 + 0.10×9.5
        + 0.10×9.5  + 0.12×9.8 + 0.18×9.9 + 0.15×8.0
        = 1.500 + 0.850 + 0.850 + 0.950 + 0.950 + 1.176 + 1.782 + 1.200
        = 9.258

v6→v7 增量 = +0.5×0.10(可复现性) + +0.5×0.15(部署运维) = +0.050 + 0.075 = +0.125 ✓
9.133 + 0.125 = 9.258 ✓（程序校验通过，无手工调整的末位）
```

**七轮收敛轨迹**：`7.79 → 8.29 → 8.57 → 8.72 → 9.13 → 9.133 → 9.258`
差距：`1.166 → 0.770 → 0.554 → 0.404 → −0.014 → −0.014 → **+0.139**`

---

## 二、记忆系统领域的详细评价

打分之外，这是用户更该读的部分。**在记忆系统这个领域里，灵枢做的到底是什么、强在哪、弱在哪。**

### 2.1 记忆系统的三个基本问题

任何记忆系统都要回答三个问题。灵枢和 deja-vu 给出了**几乎处处相反**的答案：

| 基本问题 | 灵枢的答案 | deja-vu 的答案 |
|---|---|---|
| **① 记忆从哪来**（获取） | **前向记录 + 后向索引**：主动抽取、沉淀、条件化入库；另有 `cg(op=ingest)` 可吃外部会话历史（⚠️ v7 初稿漏看，勘误见 §三点五） | **后向索引**：直接吃磁盘上已有历史，**0 天即满** |
| **② 怎么存**（组织） | **认知图谱**：CCG 条件代码图、五槽结构、L0/L1/L2 三层、`derived_from` 证据链 | **倒排索引**：`records.bin` + `buckets/` + `manifest` 增量状态 |
| **③ 怎么取**（检索） | **白箱确定性**：char-bigram + 四路 RRF + 同义扩展 + 渐进式条件收紧 | **纯词法阶梯**：exact → stem → fuzzy → co-occurrence（向量可选默认关） |

### 2.2 灵枢在领域内的真正独特之处

评完四轮，我认为灵枢有三个设计在同类项目里**少见**，值得单独说：

**① 记忆带生效条件（条件化记忆）。** 灵枢存的不是「一段文本」，而是「**在什么条件下成立的文本**」——每个节点有 `# 生效条件` 字段，检索时做条件匹配而不是纯相似度。这直接支撑了它的四态冲突处理：新结论与旧记忆冲突时，不是简单覆盖或共存，而是走 `ACCEPT / REJECT / DEFER / BLINDSPOT` 四态 + 三级决策（L0 情绪 → L1 反思 → L2 递归反思）。**大多数记忆系统回避了「新信息与旧记忆冲突怎么办」这个问题，灵枢把它做成了显式状态机。** 这是我在领域内没见过第二个这么做的。

**② 分层会话隔离（多智能体记忆）。** `session` 硬隔离 + `budget_tokens` 硬截断 + `layer` 语义分离，主代理只读卡片层、细节按 id 精确取。这在「一个宿主带多个子代理」的场景是刚需，而多数记忆系统的记忆池是全局单层的。我实测过隔离性：`main` 会话恰好 2 条（锚定+合并），L2 细节零泄漏。

**③ 证据链可追溯。** 每个结论带 `derived_from`（从哪些子结论合并而来）和 `verification_basis`（证据类型白名单：compiler/test/measurement/formal_proof/data/textbook/public_kb/other）。反查「这个全局结论从哪来」可以一路追到子代理卡片。这让记忆系统第一次有了**审计能力**——记住的不只是答案，还有答案的合法来源。

### 2.3 灵枢在领域内的相对弱项（不因分数高而消失）

1. ~~**冷启动空窗**（前向记录的固有问题）~~ **【v7 勘误撤回】** 我初稿写「灵枢没有对应的回溯通道」——**错**，`cg(op=ingest)` 就是回溯通道（`md_cg/sources.py`，我实测 12/12 通过，见 §三点五）。灵枢实际是**前向记录 + 后向索引双通道**。此条弱项**不存在**。
2. **部署重量**。8.0 vs 9.5 的差距是结构性的：灵枢需要 Python 环境 + npm 双栈；deja-vu 是 `curl | sh` 十秒的单二进制。issue #12 修复改善了「装上之后」的体验，但没有改善「装」本身。
3. **英文端到端依赖外部环节**。②路的 99.8% 是检索侧上界，真实水平由 AI 归一环节决定（机械下界 57.2%）。灵枢把词表真源和字级映射做到了位，但**归一这一环在系统外部**。这不是缺陷，是架构裁定（零重依赖原则），但选型者必须知道。

### 2.4 在同类中的坐标

以 deja-vu 对照脚本（`scripts/day0compare`）列出的同类为参照（cass / agentmemory / mempalace / funes），灵枢的坐标是：

> **多数同类在做「更好的记忆检索器」（组件），灵枢在做「带记忆的智能体运行时」（平台），deja-vu 在做「已有记忆的索引器」（另一个正交方向）。**

- 组件路线（多数同类）：比的是召回率、延迟、易集成。
- 平台路线（灵枢）：比的是能力宽度——它带 Rust 并发引擎、蜂群运行时、中文编译器、82 工具、世界模型。记忆只是这个平台的一个面。
- 索引路线（deja-vu）：比的是冷启动即战力、零依赖、覆盖 harness 数。（注：冷启动一项灵枢凭 `cg(op=ingest)` 也能做，非独有优势——见 §三点五勘误。）

**所以「灵枢 vs deja-vu」的总分对比，本质上和「平台 vs 组件」的总分对比一样，参考价值有限。** v6 的结论在 v7 依然成立：它们不在同一抽象层级，选型应按需求，不按分数。

---

## 三、必须声明的偏差（这比分数更重要）

**灵枢 7.79 → 9.258（+1.468）；deja-vu 8.95 → 9.119（+0.169）。**

这个不对称必须解释。前五轮灵枢的每一次上调，都来自「我又挖出了一层真实能力」（Rust 引擎、蜂群、编译器、500 题报告、82 工具）——是**我的认知修正**，不是项目变了。而这引出一个尖锐的问题：

> **我对灵枢投入了 7 轮深挖，对 deja-vu 只有 1 轮评估。如果我同样花七轮挖 deja-vu（28 万行 Go、1870 个测试文件、55 个版本 CHANGELOG），它的分数会不会也涨？**

诚实的答案：**很可能。** 我至今不知道 deja-vu 的 Rust 层有没有类似 hive 的东西、它的 1870 个测试文件里有没有被 gitignore 卡住的暗坑、它的 25 个 harness 解析器各自的质量梯度。**评审深度不对称本身，就是偏差来源。**

因此 v7 的 +0.139 应该读作：

> **「在我看得见的范围内，灵枢略优」——不是「灵枢优于 deja-vu」。**

另外本轮网络受限，deja-vu 沿用 09-13 的 `d02e0ee` 数据未重测。如果它近期有实质更新，这个差距还会变。

---

## 四、结论与建议

**灵枢 9.258 / deja-vu 9.119，差 +0.139**（v6 时 −0.014）。灵枢首次在算术上领先，但领先幅度（+0.139）**小于我任何一轮的认知修正幅度**（最小的 v7 是 +0.125，最大的 v1→v2 是 +0.50）——这个量级对比本身就说明：**分数差在评审噪声以内。**

**⚠️ 本节四条建议已全部撤回。全部四条都建立在「我没读全 / 没验证到底」之上，其中两条被用户当场指出，两条由我本次复查自曝。详见 §三点五。保留原文是为了让错误可追溯，不代表仍然成立。**

| # | 原建议 | 状态 | 实际情况 |
|---|---|---|---|
| 1 | ~~补「后向索引」入口~~ | ❌ **撤回** | **早已有之且实测可用**：`md_cg/sources.py`（模块首行即「把外部会话流接进认知图」），`cg(op=ingest)` 支持通用 JSONL（字段名可配）/ DSH 原生会话 / 目录级三链，带增量 watermark、去重、幂等、`dry_run`。我实测 **12/12 通过** |
| 2 | ~~`test_wisdom_md_store` 的 `.db` 依赖是劝退点~~ | ❌ **撤回** | **已被采纳修复**，且**采纳的就是我提的建议**：`scripts/run_tests.py:88` 注释明写「裸 clone 环境 SKIP 探测（**2026-09-14 外部复核建议 #3**）」。我所谓「三轮未变」是我自己造的脏目录 |
| 3 | ~~英文归一 prompts 产品化~~ | ❌ **撤回** | 早已有之（用户指出）。系统侧 `md_cg/semantic/canonical.py` 供词表真源，AI 侧 `docs/mdcg/单元自我锚点_系统提示词标准_v0.3.md` 操作规程第 2 步 |
| 4 | ~~能力全景进 README~~ | ❌ **撤回** | 早已有之（用户指出）。`README.md` 第 26 行「🗺️ 平台全景」，另有第 172 行能力自评、第 179 行能力速查 |

**唯一经实测仍成立的一条（新增，且性质完全不同）：**

> **`test_wisdom_md_store` 对残留空目录脆弱。** 当 `_md_cg_wisdom_graph/` 存在但为空（gitignored 产物被清理或导出中断）时，`group_d` 的 `if os.path.isdir()` 判为真 → 进入分支 → 断言 `FAIL #22: duck conn 可查询（0 行）`，退出码 1。而该报错**完全不指向真正的原因**（空目录），我因此误判了三轮。建议：`ok(len(rows) > 0, ...)` 前先判空目录并给出再生命令（`python -c "from md_cg.migrate_wisdom_graph import export; export()"`，该命令作者已在 `docs/theory/理论_机制_代码_实验_缺口矩阵_v0.1.md` 给出）。
> **实测**：`rm -rf _md_cg_wisdom_graph` 后连跑 3 次均 `exit 0`（20 断言）；官方入口 `scripts/run_tests.py` 在目录缺失时标 SKIP、退出码 0。所以这是**残留态边角**，不是裸 clone 用户的必经之路——优先级远低于我原来声称的「第一劝退点」。

---

## 三点五、v7 勘误：四条建议，四条全错

用户指出我说"没有"的两样东西其实都有。**他是对的。** 我据此复查了另外两条——**也全错**。四条建议无一成立。

| # | 我的断言 | 实际情况 | 位置 |
|---|---|---|---|
| 4 | ~~「能力全景放进 README 顶部」~~ | **早已有之**，五件套表格齐全（大脑 / Rust 检索引擎 / 蜂群运行时 / 中文编译器 / 蜂巢并发引擎），每层带位置与文档入口 | `README.md` **第 26 行**「🗺️ 平台全景」；另有第 172 行「🎯 能力自评」、第 179 行「🧩 能力速查」 |
| 3 | ~~「AI 归一 prompts 值得随包发布」~~ | **职责分工是明确的架构裁定，两侧都齐**：系统侧供词表真源与接口，AI 侧有正式系统提示词标准 | 系统侧 `md_cg/semantic/canonical.py`（「词表真源 + **AI 写入侧归一**」）；AI 侧 `docs/mdcg/单元自我锚点_系统提示词标准_v0.3.md` 操作规程第 2 步「**归一：按标准词表归一翻译；词表外概念如实透出 OOV 清单，不强行硬译**」 |
| 1 | ~~「无历史导入/回溯通道，需补后向索引」~~ **（我还标注了「已复核 · 此条成立」）** | **早已有之，且我实测可用**。通用 JSONL 字段名可配、DSH 原生会话源（zstd 可选降级）、自动源探测、增量 watermark、去重幂等、`ingest_dir` 目录级三链、`dry_run` 预演，注释里甚至明写「对标 deja-vu：错误→修复」 | `md_cg/sources.py`，模块 docstring 首行即「把外部会话流接进认知图」；`cg(op=ingest)` 见 `README.md` **第 199 行** op 列表。**我的探针实测 12/12 通过** |
| 2 | ~~「`.db` 依赖缺失，三轮未变，是新人第一劝退点」~~ | **已被采纳修复，采纳的正是我提的建议** | `scripts/run_tests.py:88` 注释原文：「裸 clone 环境 SKIP 探测（**2026-09-14 外部复核建议 #3**）」，第 94 行即本测试。官方入口实测标 SKIP、退出码 0 |

### 第 1 条：最严重的一条

我把它排在建议**第一位**，还郑重标注「已复核：README 与 docs 中确实无历史导入/回溯通道，此条成立」。这个"已复核"标签让错误更糟——**它证明我不是没查，是查了还查错**。

`cg(op=ingest)` 就写在 README 第 199 行的 op 列表里，我这次通读全文才看见。

我实测了它（探针已随本报告交付）：造一份字段名完全不同的外部 harness 历史会话 → 冷启动召回 0 条 → 摄取 5/5 → 二次摄取 `new_events=0`（增量水位生效）→ 追加后只吃 1 条增量 → 召回命中 4 条且内容正确。**能力完整存在。**

我在 v7 第二节里还把「灵枢是前向记录型，缺后向索引」当作结构性短板来论述。**这段论述作废。**

### 第 2 条：我自己把自己绕进去了

这条的讽刺程度最高。我说它"三轮未变"——**三轮共享同一个污染源**：

1. 我前几轮跑测试生成了 `_md_cg_wisdom_graph/` 空目录（gitignored 产物）
2. `group_d` 的 `if os.path.isdir(DEFAULT_MD_ROOT)` 判真 → 进入分支 → `conn._all_rows()` 返回 0 → `FAIL #22`
3. 报错信息「duck conn 可查询（0 行）」**完全不指向真因**
4. 我据此断言"仓库固有缺陷"，还在三轮里"稳定复现"

真相：这是我**自己的测试运行**造成的环境污染，被我当成了被测对象的固有属性。而作者早在 `docs/theory/理论_机制_代码_实验_缺口矩阵_v0.1.md` 记录了「空壳化」现象并给出再生命令。

更关键的是：**我提的"依赖缺失应标 SKIP"建议，作者已经采纳落地了**，代码注释里还署了我的建议编号。我却在下一版报告里把它列为"三轮未变"。

### 错误同源

v6 我把同类错误归因为"灵枢叙事风格偏爱暴露弱点，误导了我"。**这个归因错了。** 真正的原因是单一的：

> **我没有把材料读完、没有把验证做到底，就用"没看到"当作"不存在"。**

这次它表现为四种变体：没读 README 全文（#4）、没读 docs（#3）、没读代码只看文档关键词（#1）、把自身污染当成对象缺陷（#2）。**没有一种需要"叙事风格"这个借口。**

### 对评分的影响

**总分维持 9.258 / 9.119（差 +0.139）**，但有一条维度的**依据**必须替换，我说明如下：

- **可复现性（8.5）** 原扣分理由之一是「唯一失败 `test_wisdom_md_store`」。该失败不成立，这条理由作废。
- 但本次复查发现了**新的、真实的可复现性问题**替代它：测试对残留空目录脆弱，且报错不指向根因——**我自己就被它误导了三轮**，这是可复现性的实打实扣分项。
- 一减一增，量级相当。**维持 8.5**，但支撑证据整条换掉。

其余七维不受影响：全部建立在实测数据上，不涉及"README 有没有某章节"。

**对我那份"评审深度不对称"自省的影响是负面的**：我连灵枢的 README 都没读完就下了七轮结论，那么我对 deja-vu 只做一轮评估的可靠性，比第三节承认的还要低。**该警告不仅成立，还应加重。**

### 给选型者的一句话

- 要**立刻能用的记忆层**（尤其是英文/多 harness 历史场景）：deja-vu。
- 要**能长出智能体能力的中文优先底座**（条件化记忆、冲突裁决、证据链、多智能体分层）：灵枢。
- 两者**正交而非互斥**。
- **更正**：我此前写的「灵枢补一个后向索引入口就能拿到对方最大优势」**作废**——后向索引灵枢本来就有（`cg(op=ingest)`，实测 12/12）。真正仍需权衡的是**英文端到端检索**：灵枢的英文归一化依赖外部环节（机械归一下界 57.2），这是已实测的真实差距，不是我推断出来的。

---

## 五、配套图

*`灵枢_v7_统一评分.png`* —— ① 八维对比（标注两项上调）② 七轮收敛轨迹 ③ 记忆系统三问的取舍定位 ④ 评审深度不对称的自我警示。

---

*附：本报告全程可复算。权重表与两版维度分矩阵在第一节完整给出，任何一行都可用 `sum(权重 × 维度分)` 独立验证；评分计算与校验代码已运行，`+0.125` 增量与两项维度分变化精确吻合。*