什么是自进化AI第二大脑?COG-second-brain完全介绍:33个技能+10个Agent+V-Model验证一览
什么是自进化AI第二大脑?COG-second-brain完全介绍:33个技能+10个Agent+V-Model验证一览
COG-second-brain 是一个免费的开源自进化 AI 第二大脑框架(当前版本 3.15.0),基于 Cognition + Obsidian + Git 三大支柱构建。它不依赖任何数据库和云厂商,只用 Markdown 文件 + 版本控制,就拥有 33 个 AI 技能、10 个专职 Agent 和 V-Model 闭环验证体系,并能与 Claude Code、Cursor、Kiro、Gemini CLI、Codex 等主流 AI 编程工具无缝协作。本文带你一次性看懂它的全部核心能力。
一、COG-second-brain 是什么?
简单来说,它是一个 "会思考的笔记库":
- 📝 纯 Markdown 存储——你的所有知识都是
.md文件,可读、可备份、无厂商锁定 - 🧠 自进化(Self-Evolving)——自动学习你的思维模式、整理内容、构建知识框架
- 🤖 Agent 驱动——33 个技能覆盖个人知识管理、团队情报、产品经理全流程
- ✅ 验证优先——关键任务走 V-Model 验证闭环,"工人从不批改自己的作业"
项目整体架构可以在 README.md 中通过流程图看到:你用自然语言下指令 → AI Agent 调度 33 个技能 → 交给 6 个 Worker 执行 → 由 4 个只读 Verifier 独立验证 → 读写 .md 文件并同步到 Git / iCloud。
二、核心特性一览
| 类别 | 能力 | 一句话说明 |
|---|---|---|
| 🌱 自进化 | 模式学习、自动组织 | 从你的 braindump 中发现规律,越用越懂你 |
| 🔧 自愈 | 自动修复交叉引用 | 重命名文件后关联笔记自动更新 |
| ✅ 验证优先 | 来源必查、7 天新鲜度 | 所有分析都带置信度和出处 |
| 🔒 隐私优先 | 本地文件、严格域隔离 | 数据不上外部服务器 |
| 📱 多端同步 | iCloud + Git 版本历史 | iPhone / iPad / Mac 全平台可用 |
| ⚙️ 技能蒸馏 | 探索一次、低成本执行 | 详见 docs/SKILL-DISTILLATION.md |
三、快速上手:2 分钟跑通你的第二大脑
Step 1:克隆仓库
git clone https://gitcode.com/gh_mirrors/co/COG-second-brain
cd COG-second-brain
Step 2:在 AI Agent 中运行 onboarding
只需对 Agent 说 "Run onboarding",它会用 2 分钟完成个性化配置:创建你的画像、兴趣清单和项目目录,并根据你的角色匹配 Role Pack(产品经理 / 工程负责人 / 工程师 / 设计师 / 创始人 / 市场)。
不同 Agent 的入口各不相同,完整的对照表见 SETUP.md:
| Agent | 入口方式 |
|---|---|
| Claude Code | code . → "Run onboarding" |
| Cursor / Antigravity | 打开文件夹 → "Run onboarding" |
| Kiro | "setup COG" |
| Gemini CLI | /onboarding |
| OpenAI Codex 及其他 | 指向 AGENTS.md |
第一天就试试这两句:
- "I need to braindump" —— 倾倒脑中的想法,自动分类归档
- "Give me my daily brief" —— 获取带真实来源验证的每日情报简报
四、33 个技能全景:从个人知识到团队智能
技能是 COG 的核心能力单元,每个技能都是独立的 SKILL.md 文件,可按角色按需调用。官方完整清单见 README.md 与 AGENTS.md。
1. 核心个人知识技能(8 个)
| 技能 | 作用 | 试试这样说 |
|---|---|---|
onboarding |
个性化配置(首次必跑) | "Run onboarding" |
braindump |
智能分类捕获原始想法 | "I need to braindump" |
daily-brief |
7 天新鲜度验证的新闻情报 | "Give me my daily brief" |
url-dump |
保存 URL 并自动提炼洞察 | "Save this URL" |
weekly-checkin |
跨领域模式分析 | "Weekly review" |
knowledge-consolidation |
把零散笔记炼成框架 | "Consolidate my knowledge" |
update-cog |
更新框架文件不碰你的内容 | "Update COG" |
memory-hygiene |
对长期记忆做可信度巡检 | "Audit my memories" |
2. 团队智能技能(3 个)—— 面向产品与工程负责人
team-brief:交叉引用 GitHub + Linear + Slack + PostHog,生成每日团队情报简报,并双向同步回 Linearmeeting-transcript:把会议录音转成结构化决策、行动项和团队动态comprehensive-analysis:8–12 分钟的 7 天深度分析,适合周报、董事会准备
3. PM 工作流技能(6 个)—— 覆盖完整产品生命周期
研究(auto-research)→ PRD(generate-prd)→ 用户故事(create-user-story)→ 开发 → 发布说明(generate-release-notes)→ 知识库更新(update-knowledge-base),另配 export-open-issues 审计和 publish-to-confluence 外发。
4. 验证闭环技能(5 个)—— COG 的灵魂
| 技能 | 作用 |
|---|---|
| closed-loop | 计划 → 构建 → 组件验证 → 集成验证 → 验收 |
ultragoal |
跨会话的大目标,带北极星验收门 |
harvest |
捕获会话经验,只提案、不擅自落盘 |
retro |
复盘检查点与证据质量 |
review-cockpit |
多条目会话的单一活文档看板 |
5. 创作与反 AI 味技能(10 个)
no-ai-slop(去 AI 味)、slop-gate(发布前 AI 味扫描)、voice-baseline(测量你的语言习惯)、release-video(发布视频)、editorial-illustrations(从论点推导配图)、data-forms(20+ 图表范式)、museum-art(调用博物馆公有领域 API 找真图)、daily-journal(被动工作日志)等,让产出既专业又不"塑料感"。
五、10 个 Agent:6 个工人 + 4 个只读验证者
COG 采用 Worker Agent 架构(灵感来自 Garry Tan 的 gstack 专家会话模式):Worker 用便宜的模型(Sonnet)干数据密集的活,主会话用强推理模型(Opus)思考。完整定义见 README.md。
| 类型 | Agent | 职责 |
|---|---|---|
| 🔧 Worker | worker-data-collector |
从 GitHub / Slack / Jira / Linear 结构化提取 |
| 🔧 Worker | worker-researcher |
带引用来源的 Web 研究 |
| 🔧 Worker | worker-file-ops |
库内文件操作、元数据 |
| 🔧 Worker | worker-executor |
执行已批准的变更(Jira、Linear) |
| 🔧 Worker | worker-publisher |
发布到 Slack / Confluence / Notion |
| 🔧 Worker | brief-people-updater |
批量更新 People CRM 画像 |
| 👁️ Verifier | task-verifier |
对照验收标准观察产物而非听汇报 |
| 👁️ Verifier | integration-verifier |
跨任务接线与全局验收 |
| 🔁 Fixer | fix-agent |
收到 FAIL:fixable 后定点修复,最多 2 次 |
| 🧺 Curator | harvest-curator |
把会话学习整理成采纳笔记,仅提案 |
两个关键设计(这是理解 COG 验证哲学的钥匙):
💡 Worker 输出规则:Worker 把结果写入文件,只返回状态 + 路径,主会话读文件做综合——消除慢速 token 生成。
💡 Verifier 只收路径:验证者绝不接收 Worker 的自述输出,而是独立阅读原始产物。因为"粘贴的上下文会诱导叙事化"——验证者会去给包装分类,而不是独立核查事实。
六、V-Model 验证闭环:工人永不批改自己的作业
V-Model(源自软件工程 V 型生命周期)是 COG 最有特色的机制,完整生命周期定义在 WORKFLOW.md:
CP-0 INTAKE(思考) CP-5 ACCEPTANCE(验收)
╲ ╱
CP-1 SPEC(标准+追溯矩阵)CP-4 INTEGRATION(集成验证)
╲ ╱
CP-2 PLAN(任务↔标准映射)
╲ ╱
CP-3 BUILD(执行)
组件验证(task-verifier)
│
CP-6 SHIP → CP-7 RETRO(反馈下一轮)
核心规则三条:
- 左臂分解:目标 → 可证伪标准(
AC-01)→ 任务,每个任务必须映射到标准 - 右臂取证:每条标准(
AC-n)必须有一行证据(EVIDENCE行)才能放行,没有证据就没有交付 - 风险分道(Risk Lanes):小任务只走 CP-3→CP-5,高风险任务全检查点 + 跨模型旗舰验证——仪式感随爆炸半径伸缩
这是**可选启用(opt-in)**的:不说"走 closed loop"它就静默存在,普通写笔记完全不受打扰。检查点深度、跨模型门等细节见 WORKFLOW.md。
七、自进化循环:COG 如何越用越强
每日 Braindump → 每日情报简报 → 每周模式分析 → 每月知识整合 → COG 学到你的模式 → 回到下一次捕获
- 日级:braindump 原始想法、每日新闻简报、团队情报简报
- 周级:跨领域模式分析、深度综合分析(董事会准备 / 战略复盘)
- 月级:零散笔记整合为框架和知识库
- 信任巡检:
memory-hygiene会对存储事实做"运行时再验证",打上last_verified时间戳和置信度
此外还有 Skill Distillation(技能蒸馏) 元模式:一次昂贵的大模型探索,固化成小模型可稳定执行的技能产物。实测案例:一次 $4.63 / 150 轮的探索 → 之后每次执行仅 $0.11,且抽样全部判定正确。原理详见 docs/SKILL-DISTILLATION.md。
八、你的数据在哪里?—— 隐私与目录结构
一切皆本地 Markdown,严格域隔离,AI 仅在调用技能时才产生 API 调用。库结构一目了然(README.md):
| 目录 | 用途 |
|---|---|
00-inbox/ |
个人画像、兴趣、集成配置 |
01-daily/ |
简报与检查点 |
02-personal/ |
个人 braindump(私密域) |
03-professional/ |
职业 braindump 与战略 |
04-projects/ |
项目跟踪与验证运行产物 |
05-knowledge/ |
整合洞察,含 People CRM 人脉画像 |
06-templates/ |
文档模板 |
其中 People CRM 是亮点:在 05-knowledge/people/ 中按证据渐进式积累人脉画像——1 次提及建 Stub,3 次提及升级为 Moderate,8 次提及或直接会议生成完整画像,每条观察都带来源引用和置信度。
九、常见问题 FAQ
Q:为什么不只用 Notion / Obsidian? COG 在笔记库之上叠加了自进化智能:它不只存储,还学习、分析、自动综合洞察。
Q:要花多少钱? COG 本身免费开源(MIT 协议),你只需为所用 AI Agent 的 API 用量付费。
Q:更新会覆盖我的定制吗? 不会。cog-update.sh 能逐文件让你选择:保留我的 / 用上游 / 备份后更新;更新前可跑 scripts/validate-agent-surface.sh 校验各 Agent 表面的一致性。
Q:不用 Git 行不行? 可以,Git 只是推荐的版本历史手段,仅靠 iCloud 同步也能正常工作。
十、总结:谁适合 COG-second-brain?
| 你的情况 | COG 给你的 |
|---|---|
| 想法多、落地少 | braindump + 自动分类 + 行动项提取 |
| 团队信息散落在 5 个工具里 | team-brief 每日交叉情报 |
| 怕 AI 输出不可信 | V-Model 闭环 + 只读验证者 + 证据台账 |
| 担心数据隐私 | 纯本地 Markdown,零外部服务器 |
一句话记住 COG:Clone,跑 onboarding,每天 braindump。COG 会与你一起进化——只是 .md 文件、任意 AI Agent、零维护。 🚀