新闻详情

新闻详情

首页 / 资讯中心 / 详情

如何参与这个开源项目?My-Brain-Is-Full-Crew贡献指南与社区生态

发布时间:2026/11/12 14:44:46来源:尧图网络
如何参与这个开源项目?My-Brain-Is-Full-Crew贡献指南与社区生态
如何参与这个开源项目My-Brain-Is-Full-Crew贡献指南与社区生态【免费下载链接】My-Brain-Is-Full-CrewBuilt by a PhD whose memory was failing, whose diet was a mess, and whose anxiety had its own agenda. Most second brain tools ignore the fact that your brain doesnt work in isolation: your body and your mental health are part of the system too. This crew handles all three: knowledge, nutrition, and mental wellness.项目地址: https://gitcode.com/gh_mirrors/my/My-Brain-Is-Full-CrewMy-Brain-Is-Full-Crew 是一个由8 个 AI 智能体 14 个专业技能组成的开源第二大脑系统专为 Obsidian 知识库管理、知识整理与心理健康场景打造。无论你是会写代码的工程师还是只会用聊天软件的普通用户都有适合自己的参与方式。这份完整的贡献指南将带你从零经验走到被合并的第一个 PR。 项目速览你正在参与的AI 船员在动手之前先花 30 秒理解这个项目的结构能让你精准找到自己最擅长的贡献切入点目录内容适合贡献者agents/8 个核心智能体架构师、书记官、分拣员等提示词工程师、产品思维者skills/14 个多步骤技能入职引导、邮件分诊等工作流设计者adapters/多平台适配器Claude Code / Gemini / OpenCode / CodexShell 脚本开发者hooks/系统文件保护、YAML 校验等钩子平台机制研究者docs/面向用户的文档与示例写作爱好者、多语言用户tests/单元测试与回归快照QA 思维者 核心理念源码只有一份平台有四份。所有智能体都用平台无关的中立格式编写构建系统再翻译成各平台的原生格式。这也是它最值得改进的地方。 六种参与方式总有一种适合你项目维护者在 README.md 中明确写道每一个 PR 都受欢迎我绝不护犊子。官方贡献规范全部记录在 CONTRIBUTING.md 中下面逐一拆解。1️⃣ 改进现有智能体门槛最低发现某个智能体行为怪异、结果不好、或漏掉了边界情况这是新手最友好的切入点智能体源码就在 agents/architect.md、agents/scribe.md 等文件中本质上是带 YAML 头部的 Markdown 文件改提示词即可先开一个 Issue 描述问题附具体例子或直接在 PR 中提交改进。改进后的本地验证方法很简单用 scripts/launchme.sh 构建并安装到一个测试库vault中实际对话测试即可。2️⃣ 提议一位新的核心船员如果你有一个所有人都需要的新智能体想法注意普通用户可以在自己的库里说create a new agent自行创建这里指的是随项目一起发布的核心智能体请按以下清单开 Issue名称英文描述名 简短代号角色它解决什么问题触发词何时激活多语言短语更佳工具权限需要哪些能力读、写、编辑、Bash、Glob、Grep库集成读写哪些文件夹必须用{{inbox}}等路径令牌禁止硬编码文件夹名协作关系应与哪些智能体链式协作为什么重要它填补了当前船员的什么空缺3️⃣ 添加真实使用案例真实用户的用法对所有人都是宝藏把你独特的使用场景写进 docs/examples.md或直接分享在 Issue 里。不需要技术背景讲清楚我说了什么、发生了什么即可。4️⃣ 报告 Bug一个合格的 Bug 报告包含四要素你让智能体做什么它实际做了什么你期望它做什么相关时附上你的库结构大致即可5️⃣ 为文档与多语言添砖加瓦项目用英语编写但自动用你的语言回复。description字段鼓励加入多语言触发短语英、意、法、西、德、葡熟悉小语种的你可以在智能体描述中补充自然的触发词。入门流程文档见 docs/getting-started.md每个智能体还有独立详解如 docs/agents/librarian.md。6️⃣ 贡献平台适配器硬核方向想让 Crew 支持新的 Agent 平台架构是单一事实源 每平台适配器每个适配器是 adapters/ 下的一个adapter.sh实现 7 个adapter_translate_*函数即可。参考实现可看 Claude Code 与 Gemini CLI 的适配器公共解析工具都在 adapters/lib.sh 中。完成后别忘了在 tests/adapters/ 下补上对应测试。✅ 首次贡献快速上手三步走第一步克隆仓库git clone https://gitcode.com/gh_mirrors/my/My-Brain-Is-Full-Crew第二步了解路由机制通读 DISPATCHER.md —— 调度器是整个系统的总机它先检查技能路由表、再落到智能体路由表理解了它你就理解了全部。第三步提交前跑测试改了适配器 → 跑对应适配器的单元测试改了adapters/lib.sh→ 跑全部适配器测试改了智能体/技能/钩子/调度器 → 跑 tests/regression/run.sh 回归快照比对提 PR 之前全跑一遍 社区生态协作如何发生智能体之间的协作正是这个项目的精髓也是贡献者必须遵循的规范链式协作协议每个智能体在输出中通过### Suggested next agent段落推荐下一位同事由调度器自动串联。完整协议见 references/agent-orchestration.md全体船员名录见 references/agents-registry.md平台无关钩子hooks/protect-system-files.sh 保护核心文件不被误改新增钩子需同时提供.hook.yaml元数据与读取中性 JSON 的.sh脚本自定义 vs 核心你在自己库里创建的自定义智能体优先级低于核心船员如果你的自定义智能体能帮到很多人官方鼓励你把它转正为核心船员提案。贡献者守则与项目哲学这个项目是为已经筋疲力尽的人建造的。贡献应该让一切更简单而不是更复杂。拿不准时问自己这是否让一个勉强撑着生活的人的日子更容易了一点如果是它就属于这里。行为准则只有一句请友善——用你自己在状态最差时期希望得到的方式对待每位贡献者与用户。 写在最后My-Brain-Is-Full-Crew 起源于一位博士研究者对抗记忆衰退的个人工具如今它正等待更多双手。从修一个错别字到写一个全新适配器每一条贡献都在让这个AI 第二大脑船员更强。翻开 CONTRIBUTING.md今天就是你的贡献者第一天。【免费下载链接】My-Brain-Is-Full-CrewBuilt by a PhD whose memory was failing, whose diet was a mess, and whose anxiety had its own agenda. Most second brain tools ignore the fact that your brain doesnt work in isolation: your body and your mental health are part of the system too. This crew handles all three: knowledge, nutrition, and mental wellness.项目地址: https://gitcode.com/gh_mirrors/my/My-Brain-Is-Full-Crew创作声明:本文部分内容由AI辅助生成(AIGC),仅供参考
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/11 13:52:51

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/10 19:42:40

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/12 9:50:02

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/12 9:25:38

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/12 15:57:44

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/10 17:14:10

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉