COG 第二大脑
一个会自我进化的本地第二大脑：用 Markdown 文件加 AI 代理，把每日碎片想法、团队情报和项目管理沉淀为可验证的知识体系。
README明确描述最小权限设计（只读验证器不可写文件、worker仅返回状态+路径）、更新前逐文件确认、发布护栏（content-factory有硬性音量上限与截图验证）。但敏感数据处理仅一句'本地md文件'，而People CRM、会议转录、Slack/Linear/PostHog同步实际会把个人信息写入vault并送入模型API，未见脱敏或同意机制；外部写操作（publish-to-confluence、Linear双向sync-back、worker-executor'预批准变更'）未见审批细节；依赖安全仅有npx skills安装提示，无锁定或审计。
README自洽：33技能、6 worker、4验证器在各处一致；声明集成（GitHub/Linear等）'gracefully degrade'并指向SETUP.md。失败信息与错误路径在README中仅零星提及（fix-agent最多2次重试），缺乏系统证据，扣分。
受众与场景描述极佳：PM/工程主管/设计师/创始人角色包、触发示例语（'Try saying...'）覆盖33个技能、6个agent表面的支持矩阵明确列出各平台覆盖范围与降级路径。环境适配（Claude Code/Cursor/Kiro/Gemini/Codex）有具体发现机制表。
信息架构清晰（00-inbox到06-templates编号目录、框架/内容分离）、安装说明完整（克隆+onboarding表+skills.sh）、FAQ实用、MIT许可证文本完整。不足：已知局限几乎未披露（'零维护'、'95%+来源准确率'等营销断言无佐证）；版本号存在（COG-VERSION、路线图v3.1-v3.7）但无独立CHANGELOG文件在此证据中；维护者个人维护、无治理说明。
输出可用性有设计证据（/tmp文件+路径传递避免token膨胀、post-condition检查、review cockpit审批槽）。边际价值定位明确（相对Notion/Obsidian的差异）。成本收益在FAQ中坦承用户自付API费用。但所有功效声明（120+ braindumps、5大战略洞察）均为自报，无证据。
声明可追溯性弱：关键量化成果（95%来源准确率、120+条目）无出处；外部佐证仅为目录站列表链接；事实与推断混合在营销化叙述中，'self-evolving'、'learns your patterns'等拟人断言与机制描述（md文件+分类规则）之间有落差。验证框架本身（closed-loop、retro审证据质量）理念好，但这是设计文档而非执行证据。
- People CRM与会议转录会把同事个人信息写入本地文件并送入模型API，README未提供脱敏、同意或GDPR类处理说明，团队场景使用前需自行评估合规。
- worker-executor与Linear双向sync-back等外部变更操作的'预批准'机制细节不足，部署时务必审查各SKILL.md中的实际权限与确认门槛，不要仅凭README信任。
- '95%+来源准确率'、'120+ braindumps'、'零维护'等成果声明均为作者自报且无佐证，评估功效时不应采信。
- 更新脚本cog-update.sh有--dry-run与逐文件确认设计，但具体实现文件未在本次证据中，使用前应阅读脚本本身。
- npx skills add会直接执行第三方包代码，未验证发布者身份，建议先审查仓库再安装。
这个 Agent 能做什么，适合哪些场景？
COG（Cognition + Obsidian + Git）是一个以本地 .md 文件为核心的开源第二大脑框架，不依赖数据库，没有厂商锁定。它内置 33 个 AI 技能、10 个代理（6 个执行代理加 4 个只读验证代理）以及基于人物档案的 People CRM。其执行模型是：执行代理以 Sonnet 处理数据密集任务，把结果写到 /tmp/ 文件，主会话读取文件做综合推理；验证代理只接收文件路径，独立观察产物，避免'自己批改自己的作业'。可选的闭环验证工具（closed-loop）走 V 模型生命周期：左侧拆解可证伪标准，构建后右侧逐条用证据回溯验证。它通过 AGENTS.md、.claude/skills/、.cursor-plugin/、.kiro/powers/、.gemini/commands/ 等多套清单适配 Claude Code、Cursor、Kiro、Gemini CLI、OpenAI Codex 等代理，数据通过 Git 和 iCloud 在设备间同步。
用户克隆仓库后，在自己的 AI 代理里运行 onboarding 完成个性化配置，之后可以：用 braindump 捕获并自动分类原始想法；用 daily-brief 生成要求来源新鲜度不超过 7 天的新闻情报；用 team-brief 交叉比对 GitHub、Linear、Slack、PostHog 数据并支持向 Linear 双向回写；用 meeting-transcript 把会议录音转写为决策、行动项和团队动态；用 weekly-checkin 与 comprehensive-analysis 做跨领域模式分析；用 auto-research 发起多代理并行战略研究；用 create-user-story、generate-prd、generate-release-notes、publish-to-confluence 走完整 PM 工作流。所有产出写入本地 00-inbox 到 06-templates 的目录结构，People CRM 按提及次数自动将人物档案从 Tier 3 升级到 Tier 1，每次观察附带来源引用和置信度。memory-hygiene 技能可对持久记忆做信任清扫，重新核对已存事实并标注 last_verified 时间戳。
- 产品经理在用 Linear 和 GitHub 的团队中，需要从 PRD、用户故事到发布说明、知识库更新的完整产品生命周期工具链
- 工程负责人每天想要一份汇总 GitHub、Linear、Slack 和 PostHog 的团队简报，并能回写到 Linear
- 习惯 Obsidian 的知识工作者希望用纯 Markdown 文件管理每日脑暴、周回顾和月度知识整合
- 研究者需要让多个代理并行拆解和调研战略问题，并要求每个结论都有可追溯来源
- 写作者与设计师需要反 AI 味的文案润色（no-ai-slop）、数据图表规范（data-forms）和配对的产品 UI 审美技能（taste-skill / product-ui-taste）
- 重视隐私的用户想把所有笔记、人物档案和情报保存在本地文件中，通过 iCloud 多设备同步而非云端服务
这个 Agent 有哪些优点和局限？
- 闭环验证设计独特：验证代理只接收文件路径而非执行者总结，且强制跨模型审查，能捕捉单一模型自查会漏掉的错误类别
- 纯 Markdown 文件存储，无数据库、无外部服务器，配合 Git 与 iCloud 即可实现版本历史和多设备同步，迁移和审计成本低
- 技能面覆盖完整 PM 生命周期（PRD、用户故事、发布说明、知识库发布），且缺集成时能优雅降级，从只用 GitHub 也能起步
- 框架文件与用户内容分离，更新时逐文件让用户选择保留或覆盖，避免升级抹掉个人定制
- 团队情报技能依赖 GitHub CLI 以及 Linear、Slack、PostHog 的 MCP 集成，完整能力需要配置多个外部账号
- 执行代理固定按 Sonnet 做数据任务、Opus 做推理的模型分工，用户需为所用代理的 API 用量付费，重度使用会产生可观的 token 成本
- 功能横跨 33 个技能和 6 种代理表面，上手需要理解 onboarding、V 模型验证、People CRM 分层等概念，学习曲线不低
- README 声称'120+ 脑暴、95% 来源准确率'等实际效果，但这些都是作者自述，缺少独立可验证的基准数据
如何安装或部署这个 Agent？
- 克隆仓库：git clone https://github.com/huytieu/COG-second-brain.git && cd COG-second-brain；2. 在你的 AI 代理中打开该目录并运行 onboarding：Claude Code 用
code .后说 'Run onboarding'（识别 .claude/skills/）；Cursor 打开文件夹后说 'Run onboarding'（识别 .cursor-plugin/ 与 .cursorrules）；Kiro 说 'setup COG'（.kiro/powers/）；Gemini CLI 运行gemini后输入/onboarding（GEMINI.md + .gemini/commands/）；OpenAI Codex 运行codex后说 'Run onboarding'（AGENTS.md）；也可用通用方式 npx skills add huytieu/COG-second-brain 安装。团队类技能需要先安装 GitHub CLI（gh），Linear、Slack、PostHog 通过 MCP 集成逐步接入，可从仅用 GitHub 开始渐进配置。可选的 Git 同步、iCloud、Obsidian Tasks 配置见 SETUP.md。整个上手约 2 分钟。
如何使用这个 Agent？
运行一次 onboarding 后，直接用自然语言调用技能：'I need to braindump' 捕获想法；'Give me my daily brief' 获取新闻情报；'Team brief' 生成团队简报；'Process this meeting' 处理会议转写；'Weekly review' 做周度模式分析；'Run this through the closed loop' 对构建任务启用 V 模型闭环验证；'Harvest what we learned' 收集会话经验并经审批后沉淀为技能补丁；'Audit my memories' 对持久记忆做信任清扫。更新框架用 'Update COG' 或 ./cog-update.sh（支持 --check、--dry-run、--force），版本可用 cat COG-VERSION 查看。验证各代理表面一致性可运行 ./scripts/validate-agent-surface.sh。
这个 Agent 与同类方案有什么区别？
README 将自身定位为 Notion、Roam、单独使用 Obsidian 的替代增强：这些工具只存储，COG 在本地 Markdown 之上增加自动分类、模式分析和知识整合能力。其代理架构直接借鉴 Garry Tan 的 gstack（专家会话与模型分工）和 gbrain（人物档案分层富化、知识优先查找），并纳入了 Zettelkasten、PARA（Tiago Forte）和 GTD 方法论。