pip install -e .               # 从源码安装（核心引擎，零外部依赖）
pip install -e ".[mcp]"        # 含 MCP Server（mcp>=2.0.0）
pip install -e ".[all]"        # 全部可选依赖（向量 + YAML）

from core import MemoryService

ms = MemoryService("store.db")

# 记忆
ms.record("我用 RTX 5060，8GB 显存")
results = ms.recall("RTX")
ms.consolidate()

# 多步骤任务
ms.init_session("sess_1", initial_step="identity_check")
ms.update_state("sess_1", fields={"name": "张三"})
ms.update_state("sess_1", step="doc_upload")
ctx = ms.assemble_context("sess_1", "上传照片")

# 可视化
ms.export_graph_html("./graph.html")

# 技能引擎
ms.skill_add("deploy-docker", "Docker deployment workflow", trigger_tags=["Docker"])
ms.skill_import([{"name": "lint", "description": "Code linting"}], source_agent="claude")

第 1 层: 皮层存储   — SQLite FTS5 + 关系表 + 向量（可选）        [schema.py, vector.py]
第 2 层: 海马索引   — 工作记忆（7天TTL）+ 待巩固队列            [record.py]
第 3 层: 巩固引擎   — B级冲突检测 + LLM 批处理（可选）+ 时间裁决   [consolidate.py]
第 4 层: 会话状态   — current_step / collected_fields / pending_actions + 回滚  [session.py]
第 5 层: 上下文组装 — [STATE] + [MEMORY] + [RECENT] + [INSTRUCTION] 三段式      [context.py]
第 6 层: 适配层     — MCP Server（stdio / streamable-http）      [adapters/mcp_server.py]
第 7 层: 可视化     — 知识图谱 JSON / D3.js HTML 页面 / Obsidian MD 导出  [memory_viz.py]
第 8 层: 技能引擎   — 记忆提炼技能 / 冲突合成 / 外部导入融合 / 衰减淘汰  [skill.py, skill_import.py]
辅助:   config.py（配置词表）/ encoding.py（感知编码）/ llm.py（LLM工具+token追踪）/ summarizer.py / import_history.py

python -m adapters.mcp_server                          # stdio
python -m adapters.mcp_server --transport http         # HTTP
# Docker: docker-compose.yml 中 cortex-os 服务已注释，按需启用

# config.yaml
trigger_threshold: 50
trigger_interval: 86400
max_recent_turns: 3
skill_threshold: 5
llm_batch_size: 50
llm_endpoint: https://your-api/v1/chat/completions  # 可选
llm_model: deepseek-chat
llm_api_key: sk-xxx
embedding_endpoint: http://localhost:8080/v1/embeddings  # 可选
embedding_model: bge-large-zh-v1.5

python -m unittest discover tests -v   # 170 项测试