新闻详情

新闻详情

首页 / 资讯中心 / 详情

一份代码,四大平台:My-Brain-Is-Full-Crew AI 智能体多平台适配器架构深度解析

发布时间:2026/11/16 5:16:36来源:尧图网络
一份代码,四大平台:My-Brain-Is-Full-Crew AI 智能体多平台适配器架构深度解析
一份代码四大平台My-Brain-Is-Full-Crew AI 智能体多平台适配器架构深度解析【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 是一款基于 Obsidian 的 AI 智能体第二大脑工具8 个智能体 14 个技能帮你自动整理笔记、分诊收件箱、检索知识。它的最大工程亮点是多平台适配器架构——同一份源码一键构建为 Claude Code、Gemini CLI、OpenCode、Codex CLI 四大平台各自的原生方言你无需改动任何智能体文件。为什么多平台适配器值得一看如果你维护过 AI 智能体项目一定碰过这个坑同一个智能体定义在 Claude Code 里是.claude/agents/*.md在 OpenCode 里是.opencode/在 Codex CLI 里却是.codex/agents/*.toml……工具名、钩子事件名、模型名、MCP 配置格式全都不同。手动维护四份改一处漏三处。My-Brain-Is-Full-Crew 的解法是源码只写一份平台无关版本由构建期适配器自动翻译成四个平台的原生格式。架构全景三层结构一眼看懂 源层平台无关 构建层翻译规则 部署层平台原生 agents/ skills/ ┐ hooks/ mcp/ ├─→ scripts/build.sh ─→ dist/platform/ DISPATCHER.md ┘ lib.sh adapter.sh │ launchme.sh 安装进 vault源层agents/、skills/、hooks/、mcp/servers.yaml 与 DISPATCHER.md。所有文件统一使用占位符.platform/和DISPATCHER.md不出现任何平台专属路径。构建层scripts/build.sh 先加载共享工具箱 adapters/lib.sh再加载所选平台的 adapter.sh调用其adapter_build()输出到dist/platform/。部署层scripts/launchme.sh 把构建产物按各平台的目录布局安装进你的 vault你的笔记文件永远不被触碰。四个平台适配器逐个拆解 平台调度器文件配置目录翻译要点Claude CodeCLAUDE.md.claude/能力→工具白名单、钩子写入 settings.json、MCP→.mcp.jsonGemini CLIGEMINI.md.gemini/能力→Gemini 原生工具名read_file、replace…OpenCodeAGENTS.md.opencode/能力→权限键、opencode.json 增量合并Codex CLIAGENTS.md.codex/.agents/TOML 智能体、TOML 配置、路由深度改写Claude Code 适配器能力到工具的展开adapters/claude-code/adapter.sh 把抽象能力展开为工具名read→ Read、Glob、Grepbash→ Bash模型档位 low/mid/high → haiku/sonnet/opus。钩子事件则映射为 PreToolUse / PostToolUse 等原生事件并汇总成.claude/settings.json。Gemini CLI 适配器一套工具名映射表adapters/gemini-cli/adapter.sh 用另一张表把同一份能力翻译成 Gemini 工具read→ read_file、list_directory、grep_search模型档位映射到 gemini-2.5-flash / gemini-2.5-pro。OpenCode 适配器权限键 配置合并adapters/opencode/adapter.sh 把能力翻译为权限键write/edit →edit: allow并把 opencode.json 的合并逻辑 单独抽出来——重装时保留你已有的用户配置不覆盖、不丢失。Codex CLI 适配器最复杂的一份翻译Codex 的差异最大智能体是 TOML 文件、MCP 写在config.toml的[mcp_servers]表里见 docs/codex-cli.md且默认agents.max_depth 1限制了递归调度。因此 adapters/codex-cli/adapter.sh 额外做三件事把工具名改写为中性表述如 AskUserQuestion → ask the user重写调度契约适配单级子代理限制在生成的 AGENTS.md 顶部注入路由说明头已有其他平台安装的用户可参考 docs/codex-migration.md 与 references/codex-cli-compat.md 平滑迁移。共享工具箱adapters/lib.sh 如何消灭重复代码 ⚙️四个适配器看起来各说各话但重复的脏活全部沉淀在 adapters/lib.sh三张封闭词表lib.sh#L13-L19能力read/write/bash…、钩子事件before-tool-use…、模型档位low/mid/high。源码 frontmatter 只能从词表里取值翻译器才能对号入座。路径重写rewrite_platform_paths把.platform/替换为.claude/、.gemini/、.codex/把DISPATCHER.md替换为各平台调度器文件名。frontmatter 解析parse_frontmatter、parse_capabilities从 agents/scribe.md 这类文件中提取声明。组件级排除should_include任意智能体/技能可在 frontmatter 写exclude: [codex-cli]该平台构建时自动跳过——一份源码允许有平台例外。一键安装最快配置步骤 克隆仓库到你的 vaultcd /path/to/your-vault git clone https://gitcode.com/gh_mirrors/my/My-Brain-Is-Full-Crew运行安装器自动探测 adapters/ 下可用平台交互选择也可用--platform claude-code直接指定cd My-Brain-Is-Full-Crew bash scripts/launchme.sh在你的平台里打开 vault 文件夹说一声 Initialize my vaultArchitect 智能体即启动引导式配置。后续更新只需git pull后运行 scripts/updateme.sh它会自动检测已安装的平台只更新有变化的文件。质量保障四平台对等不是口号 ✅tests/scripts/platform-parity.test.sh 与各平台专属测试如 tests/adapters/codex-cli/adapter.test.sh确保四个构建产物结构一致回归测试 tests/regression/run.sh 对比生成产物快照防止翻译规则悄悄漂移。关键文件路径速查表 想了解看这里共享翻译原语与词表adapters/lib.sh四个平台的翻译规则claude-code · gemini-cli · opencode · codex-cli构建入口scripts/build.sh安装器 / 更新器scripts/launchme.sh · scripts/updateme.sh平台无关的调度规则DISPATCHER.mdMCP 服务器唯一事实来源mcp/servers.yaml钩子定义示例hooks/protect-system-files.hook.yaml · hooks/validate-frontmatter.hook.yaml新手图文指南docs/getting-started.md小结My-Brain-Is-Full-Crew 的多平台适配器架构本质是把平台差异从每个智能体文件中彻底剥离集中到adapters/的翻译规则里源文件保持平台无关构建期按词表翻译部署期按平台布局安装。对想给 AI 智能体项目做多平台支持的开发者来说这套封闭词表 占位符路径 组件排除的组合拳值得直接借鉴。【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 2026/11/15 4:54:16

【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 2026/11/15 2:04:12

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 2026/11/14 10:11:15

【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 ... 2026/11/16 6:47:19

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 2026/11/14 16:35:50

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 2026/11/15 4:06:36

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
📞 ✉