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:
- 平台锁定记忆:ChatGPT 的 custom instructions 模型更新就重置;换 Claude 从零开始。
- 记忆黑箱:平台存了什么你看不到、改不了、导不出。
- 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。
- 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)
在 .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
在 .agent/workflows/ 添加 Markdown 工作流文件,如 start.md、end.md、save.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
- 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。
- macOS/Ubuntu 23.04+ 必须用 venv:不用虚拟环境会报错"externally-managed-environment"。
- 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
/endloop 保持记忆质量。 - Windows 编码问题:遇到编码错误先运行
chcp 65001,或使用ensure_env.ps1脚本。 - 无 session log 时
/save不工作:先运行/start创建 session log,再使用/save。 - 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 | 无 | 无 |
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