J-Space 认知套件
通过选择性工作区、验证和恢复协议，增强智能体处理深度推理与长周期任务的能力。
控制器声明仅使用 Python 标准库并把运行状态写入当前任务目录的 .jspace/，安装提示也要求在覆盖现有目录前询问，因此权限和外部影响相对受限；但所给材料未规定工具调用、敏感任务或数据处理的统一确认门槛，未说明机密信息的识别、脱敏、保留或删除策略，也没有完整回滚流程。数据流和本地写入位置有说明，但模块被作为高权限系统/开发者指令加载时的信任边界未充分展开。工作流使用官方 GitHub Actions 的主版本标签而非提交摘要，依赖面虽小却并非完全锁定。研究来源、许可证及第三方通知边界说明充分，故来源归属得满分。
README、项目结构、控制器生命周期和测试内容相互吻合；完整性检查覆盖入口字段、路由及关键锚点漂移，回归测试覆盖损坏账本、解码失败、非法输入和恢复路径，体现了很强的内部一致性。运行依赖仅为常见的 Python 3 标准库，且给出了多平台 CI 配置。失败场景使用非零退出码和具体、无回溯泄漏的消息，并在测试中明确断言，因此三项均有充分静态证据；本评估未把未执行测试作为扣分因素。
材料明确区分 fast、full、loop，覆盖短任务、多阶段工作、工具使用、验证、恢复和跨模型场景，并提供原生 Skill loader 与通用聊天/API 两种集成方式。入口自动选择最轻量模式，模块按需加载，触发和路由设计清楚。边界方面明确控制器只记录状态、不选择方案，也说明效果受模型和环境影响；但对不适用任务、高风险领域以及应停止或拒绝启用的条件缺乏系统清单，因此能力边界未满分。
双语入口、结构树、单一注册入口、模块职责、安装步骤、命令示例和维护者验证命令组织清晰；j-space、fast/full/loop 等命名稳定且完整性检查防止关键入口漂移。示例丰富但没有成体系的 FAQ；限制说明涉及环境差异、选择性加载和控制器职责，却未覆盖常见风险与已知缺陷。Apache-2.0 正文、再分发要求和第三方通知说明完整。版本序列清楚，但没有逐版本变更、迁移说明或破坏性变更记录。发布者身份未知本身不扣分，不过材料没有明确维护团队、支持渠道、响应承诺或安全报告路径，所以维护责任仅有薄弱证据。
模式表、控制器命令、可复制安装和调用示例使输出可直接用于集成与长任务状态管理，且选择性加载、检查点和恢复机制相较普通单提示具有可辨识的增量价值。README 报告多项基准提升，但项目自身结果的原始记录、逐任务数据和复现实验材料未包含在给定证据中，因此边际价值不能给满分。效率数据仅称来自各一次运行，并使用未披露的统一缩放系数；缺少绝对时间、绝对 token、方差和额外认知/上下文开销，故成本效益证据较弱。
README 给出了比较器来源、评估参数和环境限制，并明确提示不同环境会产生变化，这有助于区分条件性观察与普遍结论。然而 J-Space 自身的基准数值和“跨模型复现”主张在所给文件中没有逐项原始记录、提交对应数据、计算脚本或独立复核材料；测试主要验证控制器与包结构，不能追溯这些效果声明。外部链接可支持比较器背景和术语来源，但并不构成对本项目增益的独立交叉验证，因此可追溯性和交叉佐证只得薄分；事实与推断已有一定限定措辞，但仍存在从项目级记录推向广泛兼容性的跨度。
- 不要把 README 中的基准提升或跨模型复现表述视为独立验证；采用前应取得原始逐任务记录、评测脚本、运行配置和统计重复结果。
- 作为系统或开发者级指令安装前，应人工审查 SKILL.md、全部按需模块和引用文件；给定证据没有完整展示这些高权限指令内容。
- 不要在可能包含密钥、个人信息或受监管数据的工作区中直接使用，除非另行建立脱敏、保留、访问控制和删除规则。
- 控制器会在任务目录创建 .jspace/ 状态；在敏感仓库中应检查其内容、加入适当忽略规则，并制定备份或清理方式。
- CI actions 仅按主版本引用；高保障环境应审核并固定到可信提交摘要。
这个 Agent 能做什么，适合哪些场景？
J-Space Cognition Suite V3.6 是一套模型无关的推理时控制系统，用于深度推理、长周期工作、工具使用、验证与故障恢复。它以可安装 Skill 的形式交付，核心入口是 `j-space/SKILL.md`，并按任务需要加载九个模块和三个参考文件。系统提供 `fast`、`full` 和 `loop` 三种执行路径：短任务保持轻量，多步骤任务增加交付前检查，长期任务则维护账本、检查点、接口衔接和恢复状态。可选的标准库控制器 `j-space/scripts/jspace.py` 把长期任务状态写入当前工作区的 `.jspace/`，但不替模型选择解决方案。它不修改模型权重或训练过程；部署边界是宿主的 Skills 目录，或能够注入系统/开发者指令并按需检索文件的聊天与 API 环境。
宿主首先加载唯一注册入口 j-space/SKILL.md，入口根据任务规模选择 fast、full 或 loop，并只读取一到两个相关模块及必要参考资料。协议管理智能体可访问的工作表示，将共享名称、数值、约束和风格锚点放入 broadcast hub，并通过 bridge-before-conclusion、元认知控制、经验测试和具名验证器来推进与检查结论。对于需要持久状态的任务，j-space/scripts/jspace.py 提供 note、seam、ship FILE 和 resume 命令：它会在 .jspace/ 中记录目标、下一步、核心条目、开放问题及检查点，检查待交付文本，并在中断后恢复账本。verify_suite.py 检查套件完整性，tests/test_jspace.py 则覆盖标准库控制器的回归测试。最终产出仍由所用模型生成；J-Space 负责路由、状态连续性、验证和恢复，而不是提供独立模型或托管推理服务。
- 使用支持 Skills 的编码智能体、需要跨多个文件持续维护架构约束和命名一致性的开发者。
- 执行多阶段仓库审计、希望为每项结论记录验证方式与覆盖范围的工程团队。
- 处理可能跨工具、轮次或长时间间隔任务，并需要从持久账本恢复上下文的智能体用户。
- 研究推理时控制方法、希望在不重新训练或修改模型权重的情况下测试工作区协议的研究人员。
- 维护自定义聊天或 API 智能体、能够按需暴露模块文件并希望选择性加载控制指令的集成者。
这个 Agent 有哪些优点和局限？
- 推理时工作，不要求重新训练或修改模型权重，协议可用于 DeepSeek、Qwen、GLM、GPT 和 Claude 模型家族。
- 采用单入口和选择性加载设计，九个模块与三个参考文件不会在每次任务中全部占用上下文。
- 可选控制器仅依赖 Python 标准库，并把长期任务状态限制在当前工作区的
.jspace/。 - 同时提供完整性检查脚本、控制器回归测试和三平台 CI，便于验证分发包结构。
- 明确区分
fast、full与loop，可按任务跨度增加验证、账本和恢复机制。
- 原生体验依赖宿主具备兼容的 Skill loader；普通聊天或 API 环境需要自行注入指令并实现按需文件检索。
- 安装必须完整保留相对目录结构，移动或遗漏
modules/、references/、scripts/会破坏入口路由。 - 长期状态控制器需要文件系统和 Python 3，并会在任务目录创建
.jspace/。 - 公开基准来自项目可用的评测环境，且不同提供方的比较值保留各自评测条件，不能视为统一环境下的直接证明。
- 控制器不负责选择解决方案，也不提供模型、推理服务或工具本身；实际效果仍取决于基础模型、上下文策略和工具环境。
如何安装或部署这个 Agent？
需要可用的 Python 3，以及宿主提供的用户级 Skills 目录。下载或克隆仓库后，将完整的 j-space/ 目录复制到该目录，确保入口路径为 <skills-directory>/j-space/SKILL.md，并保留 modules/、references/ 和 scripts/。随后运行：
<python-command> <skills-directory>/j-space/scripts/verify_suite.py其中 <python-command> 替换为宿主可用的 python、python3 或 py -3。如果宿主只在启动时发现 Skills，需要重新加载宿主。若宿主没有原生 Skill loader，则把 j-space/SKILL.md 作为系统或开发者级指令提供，并通过文件或检索工具按需暴露 modules/ 与 references/；这属于集成方式，而不是原生安装。重新分发独立的 j-space/ 包时，还需附带仓库根目录的 LICENSE 和 THIRD_PARTY_NOTICES.md。不需要凭据。
如何使用这个 Agent？
通过宿主支持的 Skill 入口调用，例如 Skill 选择器、/j-space、$j-space，或直接请求：Use j-space for this task. Audit this repository, preserve its architecture, verify every finding, and keep the work consistent across all affected files. 入口会自动选择最轻的合适路径。需要长期状态时，在任务工作区作为当前目录的前提下，通过已解析的 Skill 路径运行：<python-command> <skill-root>/scripts/jspace.py note --goal "what done means" --next "first action"。后续可用 note --next 更新下一步、用 note --check "..." --by "..." 添加检查点、用 seam 重读近期状态、用 ship OUTPUT_FILE 检查输出文本，或用 resume 在长时间中断后恢复。控制器只记录和报告状态，具体方案仍由模型决定。
这个 Agent 与同类方案有什么区别？
J-Space 不是 DeepSeek、GLM、Kimi 或 Claude 等模型的替代品，而是叠加在模型推理流程上的控制协议。项目表格将 DeepSeek V4-Flash-0731 基线与加入 J-Space V3.6 的条件进行比较，并列出 GLM-5.3、Kimi-K3、Opus-4.8 和 Fable 5 的已发布记录；但各比较方保留自身评测环境与配置，因此这些数字适合判断项目声称的方向性效果，不宜当作完全同条件的模型排名。
常见问题
它会修改或训练我的模型吗？
运行时需要联网或 API 密钥吗？
.jspace/。所有任务都会加载九个模块吗？
SKILL.md 根据任务选择最轻的路径，并按需加载一个或两个相关模块；fast 模式不加载额外模块。如果宿主不支持 Skills 怎么办？
j-space/SKILL.md 放入系统或开发者指令，并通过文件或检索工具按需提供模块与参考资料，但需要自行完成这层集成。如何检查安装是否完整？
<python-command> <skills-directory>/j-space/scripts/verify_suite.py。维护者还可在仓库根目录运行 <python-command> -m unittest discover -s tests -v。