winstonkoh87/Athena-Public · 上手攻略

  • 仓库:winstonkoh87/Athena-Public
  • 链接:https://github.com/winstonkoh87/Athena-Public
  • 分类:AI Agent / Personal Knowledge Management
  • 作者:Tom
  • 更新:2026-08-27

是什么

Athena-Public 是一个本地优先的 agentic PKM(个人知识管理)系统,定位是"任何 LLM 的记忆层与治理层"。核心理念是:

Own the state. Rent the intelligence. Platforms forget. Athena doesn't.

把记忆搬到本地 Markdown 文件,换模型不丢记忆,记忆会随 session 累积叠加,形成个人认知复利。Athena 不仅记住你,还会主动反驳你——基于你独有的上下文,而不是泛化的安慰话术。

v9.9.8,1900+ session 生产验证。


解决什么问题

传统 AI 助手的问题:

  1. 平台锁定记忆:ChatGPT 的 custom instructions 模型更新就重置;换 Claude 从零开始。
  2. 记忆黑箱:平台存了什么你看不到、改不了、导不出。
  3. 个性化变回声室:AI 只记住你喜欢听的话,给你的都是加强版的你自己。
  4. 无法跨模型迁移:所有记忆绑定在单一服务商。

Athena 的解法: - 记忆在本地 Markdown,换模型 = 换发动机,底盘不变。 - 6 条宪法(Constitutional Laws) + 4 档能力级别(Bounded Agency)治理框架,确保个性化不变成回声室。 - Meta-Game Reasoning:不仅优化你在玩的游戏,还质疑你为什么在玩这个游戏。


快速安装

环境要求

  • Python 3.10+
  • Git
  • 支持 agentic 的 AI IDE(Cursor、Kilo Code、Roo Code、OpenCode 等)

安装步骤

# 1. 克隆仓库
git clone https://github.com/winstonkoh87/Athena-Public.git
cd Athena-Public

# 2. 创建虚拟环境(macOS/Ubuntu 23.04+ 必须)
python3 -m venv .venv
source .venv/bin/activate   # macOS / Linux
# .venv\Scripts\activate      # Windows

# 3. 安装
pip install -e .             # 轻量安装(~30 秒)
# pip install -e ".[full]"   # 完整安装含向量搜索(~5-10 分钟)

初始化工作区

# 进入你的项目目录(不需要移动项目文件)
cd ~/MyAssistant

# 初始化 Athena 工作区(生成模板结构)
athena init

athena init 创建的结构:

MyAssistant/
├── .athena_root            # 工作区标记
├── .agent/
│   ├── workflows/          # start.md, end.md, save.md
│   ├── scripts/
│   └── skills/protocols/  # 自定义协议文件
├── .framework/modules/      # Core_Identity.md
└── .context/
    ├── memory_bank/activeContext.md
    └── memories/session_logs/

启动与使用

# 启动 agent
python -m athena

# 在 AI IDE 中打开工作区
# 输入 /start 启动会话

# 会话结束后
python -m athena --end

# 中途保存检查点
python -m athena save "本次做了什么"

常用 slash 命令:

命令 功能
/start 启动会话(~10K token boot)
/ultrastart 深度启动(~20K token boot)
/end 结束会话
/save 保存检查点
/think 深度推理模式
/research 多源调研模式

核心用法

Boot 模式与 Token 规模

模式 Token 规模 适用场景
/start ~10K 日常轻量对话
/ultrastart ~20K 复杂决策、深度分析
默认(轻量) ~2K 快速问答,80-98% context 留空

⚠️ 数据来自项目文档,实际 token 消耗因模型和上下文文件大小而异,以实测为准。

协议系统(Protocols)

.agent/skills/protocols/ 创建协议文件,格式为 Markdown:

# 01-problem-decomposition.md
# 02-multi-path-reasoning.md

已有协议示例: - 330-economic-expected-value.md — 经济决策协议(含 Law #1 不可逆毁灭否决权) - 524-conviction-decisiveness-split.md — 信念度与决断力分离协议 - 525-cross-domain-weighting.md — 跨域权重协议

自定义身份

编辑 .framework/modules/Core_Identity.md 调整 AI 行为原则和身份设定。

自定义工作流

.agent/workflows/ 添加 Markdown 工作流文件,如 start.mdend.mdsave.md

高级脚本(examples/scripts/)

parallel_swarm.py    # 多窗口并行 agent 执行
worktree_manager.py  # Git worktree 隔离管理
git_commit.py        # AI 语义化 commit 生成

典型适用场景

  • 个人决策顾问:面对重大决策(职业/投资/生活),Athena 基于你的历史决策模式和风险偏好给出个性化建议,并有权否决"不可逆毁灭"路径。
  • 跨模型记忆迁移:今天用 Claude,明天用 GPT,换模型记忆无缝衔接,不需要重新训练。
  • Meta-Game 推理:不只是回答问题,而是质疑问题的前提——"你为什么要做这件事?"
  • 长期项目积累:Session 500 记得 Session 5 的模式和教训,形成真正的认知复利。
  • 结构化决策框架:用协议文件(Protocol)固化你的决策流程,每次决策都经过一致性的结构化分析。

坑与注意

  1. Python 3.10+ 强依赖:旧版 Python 可能遇到兼容问题,建议使用 3.10 及以上。
  2. macOS/Ubuntu 23.04+ 必须用 venv:不用虚拟环境会报错"externally-managed-environment"。
  3. 记忆需要主动管理:文档明确指出"compounding needs curation",不修剪的长期记忆会退化,需要定期运行 /end loop 保持记忆质量。
  4. Windows 编码问题:遇到编码错误先运行 chcp 65001,或使用 ensure_env.ps1 脚本。
  5. 无 session log 时 /save 不工作:先运行 /start 创建 session log,再使用 /save
  6. 换模型后需要重新索引:Athena 记忆是文件,模型可以换,但向量索引(如果用了 full 安装)可能需要重建。

与同类对比

维度 Athena-Public second-brain Mem0 OpenClaw
记忆载体 本地 Markdown 本地 Markdown 云端向量 多端同步
治理框架 6 宪法 + 4 能力级别 工作流引擎
Meta-Game Reasoning
模型兼容性 任意 LLM 任意 OpenAI 兼容 通用 多协议
自定义协议 ✅ Markdown ✅ 命令系统
主动反驳用户
跨平台 ✅ Markdown 可 git 依赖平台
评测基准 ✅ Hybrid RAG benchmark harness-bench 自测

核心差异化:Athena 的独特价值不是"记住你",而是"知道你什么时候是错的"。通过 6 条宪法框架和主动反驳机制,Aethena 提供了区别于所有"个性化回声室"的关键能力——即使用户的个性化上下文来否决用户的错误决策,而不只是强化它。


一句话推荐结论

如果你需要一个真正属于你、能主动纠正你、换模型零损失的 AI 认知搭档,Athena-Public 提供了目前最完整的本地记忆 + 治理框架组合,尤其适合高频决策者和长期知识工作者。


来源:GitHub README (raw) · docs/GETTING_STARTED.md · docs/CHANGELOG.md · docs/BENCHMARKS.md · docs/SCHEDULED_TASKS.md · docs/concepts/Meta_Game_Thesis.md · docs/concepts/Grace_Protocol.md · examples/protocols/decision/330-economic-expected-value.md · SAFETY.md