J-Space Cognition Suite 集成指南如何把推理增强 Skill 接入你的 AI 环境完整 Skill 安装、API 接入与回归测试路径【免费下载链接】J-Space-Cognition-SuiteJ-Space Cognition Suite — a model-agnostic inference-time control suite for deep reasoning, long-horizon work, verification, and recovery. Based on Anthropics J-space global workspace research.项目地址: https://gitcode.com/gh_mirrors/js/J-Space-Cognition-SuiteJ-Space Cognition Suite是一套模型无关model-agnostic的推理时控制系统以 Skill 形式封装用于增强 AI 的深度推理、长程任务、验证与错误恢复能力。它不修改模型权重只在推理阶段介入。本文带你走完从 Skill 安装、API 接入到回归测试的完整路径无需任何付费依赖适合刚接触 Agent 生态的开发者。为什么需要 J-Space普通大模型在单轮问答上表现良好但面对多文件改造、跨步骤推理、长时间任务时容易出现目标漂移、状态丢失、结论先于推导等问题。J-Space 的思路是为模型建立一个可主动管理的内部工作空间J-space让关键概念只保持一两个在舞台上其余外化到账本中按需重读。其设计原则是内部稠密按需可解码外部保持清晰。它已在 DeepSeek、Qwen、GLM、GPT 与 Claude 多个模型家族上复现有效。可迁移的核心是协议本身——工作空间加载、选择性路由、状态外化、验证与恢复——不依赖任何特定厂商的模型 API。项目结构速览在动手前先了解要集成什么。套件由一个入口、九个按需加载模块、四份支撑资料和一个可选控制器组成J-Space-Cognition-Suite/ ├── j-space/ │ ├── SKILL.md # 唯一入口前提、门控、路由与不变量 │ ├── modules/ # 九个按需加载的协议模块 │ ├── references/ # 证据、方法、问题建模与工作示例 │ └── scripts/ │ ├── jspace.py # 可选的 loop 状态控制器 │ ├── verify_suite.py # 安装期完整性检查 │ └── workspace-ledger.md # 账本模板与契约 ├── tests/ │ └── test_jspace.py # 控制器的标准库回归测试 ├── CITATION.cff └── LICENSE # Apache License 2.0入口文件SKILL.md九个模块位于 modules/包括 deep-reasoning.md、capacity.md、self-monitoring.md 等支撑资料位于 references/核心是 j-space-science.md关键设计SKILL.md是唯一注册入口模块与参考资料按需加载避免控制系统自身成为上下文负担。第一步Skill 安装方式 A手动安装推荐克隆仓库到你的工作区git clone https://gitcode.com/gh_mirrors/js/J-Space-Cognition-Suite找到你的 AI 宿主使用的用户级 Skills 目录不同宿主位置不同先查宿主文档。将完整的j-space/目录复制进去确保最终入口位于Skills目录/j-space/SKILL.md。用任意 Python 3 解释器运行完整性检查python Skills目录/j-space/scripts/verify_suite.py如果宿主只在启动时发现 Skill重新加载宿主。两个容易踩的坑j-space/目录必须保持完整——SKILL.md 通过相对路径访问modules/、references/和scripts/拆散后路由会失效。若你要单独再分发j-space/目录须同时附带仓库根目录的 LICENSE 与 THIRD_PARTY_NOTICES.md。方式 B让 AI 智能体替你安装如果你的宿主本身就支持文件操作可以直接把 README 中的安装提示词交给智能体执行。它会先定位正确的 Skills 目录、复制完整目录、运行校验脚本并向你报告安装路径与调用方式。中文提示词见 README.zh-CN.md 的方式 B一节。开始使用通过宿主提供的 Skill 选择器、/j-space、$j-space或直接一句话要求即可调用请在这个任务中使用 j-space。审查这个仓库保持现有架构逐项验证发现并在所有受影响文件之间维持一致状态。入口门控会自动为任务选择最轻的运行模式。理解三种运行模式fast、full、loop安装后你无需手动配置模式但理解门控逻辑有助于判断它是否正常工作Pass适用场景加载内容fast单步任务一眼可核验不加载额外机制full若干依赖步骤 一个边界明确的交付物一到两个相关模块交付前运行ship检查loop多阶段、多文件、多轮、跨轮持久状态账本、接缝审计、checkpoint 与恢复协议门控规则写在 SKILL.md 中如果一眼核验不了答案就不算 fast任务中途变难可随时升级 pass。第二步API 环境接入无原生 Skill 加载器时如果你的环境是纯 API 调用或自建 Chat 后端没有原生 Skill 加载能力接入方式在 README.md 的 Generic model integration 一节有官方说明核心是两点把入口注入系统层将 SKILL.md 的内容作为 system 或 developer 级别指令下发给模型。按需暴露模块文件通过文件读取工具或检索工具把 modules/ 与 references/ 开放给模型让它可以在路由表中触发时自行拉取对应文件。第三点容易被忽略相关文件应当按需检索而不是全部预加载。选择性加载本身就是这套系统的设计核心一次性塞入全部模块反而会抵消它的上下文优势。可选接入 loop 状态控制器对于会跨阶段、跨文件、跨会话的长任务jspace.py 控制器可以把状态外化到任务工作区的.jspace/目录中。它只记录与报告状态不做任何解题决策且仅使用 Python 标准库。常用命令一览skill-root为技能实际安装路径保持任务工作区为当前目录命令用途note --goal ... --next ...打开账本定义完成条件与第一个动作note --check ... --by ...追加含验证方式与覆盖范围的 checkpointseam在接缝处重读状态并报告近期变化ship FILE交付前检查输出文本的寄存器泄漏resume长间隔后重载前提、不变量与完整账本账本模板与契约见 workspace-ledger.md——它只有 Goal、Core、Verified、Open、Next 五个区段短到可以在几秒内重读完。短任务不需要控制器不要运行它。第三步回归测试与完整性验证J-Space 为控制系统自身提供了两层可执行的验证这在 Skill 类项目中相当少见。1. 完整性检查安装后必跑python j-space/scripts/verify_suite.pyverify_suite.py 会按破坏程度从高到低检查整个目录树中只有一个文件带 Skill frontmatter否则宿主会注册多个入口J-Space 前提在 SKILL.md、九个模块与控制器中逐字节一致——因为逐字重复本身就是复述调度改写会静默失效每个模块与参考资料都存在且从入口可达每个模块都带有含通过/失败判据的 drill 练习九个模块的骨架章节顺序完全一致退出码 0 表示干净1 表示发现问题。2. 控制器回归测试python -m unittest discover -s tests -vtests/test_jspace.py 包含 24 个测试用例覆盖账本完整生命周期、长间隔重入、checkpoint 必须附带验证者与覆盖范围、ship对 Markdown 标题/围栏代码的跳过规则、中文 checkpoint 解析等场景。它纯标准库实现无需安装任何依赖适合放进 CI。维护者在仓库根目录运行上面两条命令即可复现三平台 CI见.github/workflows/verify.yml的完整校验。常见问题FAQQ它和微调、换更大的模型有什么区别J-Space 在推理时运行模型权重与训练保持不变。它通过协议约束模型如何使用自己的工作空间效应随基础能力、上下文策略与工具环境变化。Q小任务会不会被拖慢会。官方基准表中单轮任务 τ1.02略慢是有意为之的单轮任务上 Skill 入口是净开销。门控的fast通道就是为此设计的且短任务不会触发控制器。Q它依赖特定模型 API 吗不依赖。可迁移单元是协议工作空间加载、选择性路由、状态外化、验证与恢复。DeepSeek、Qwen、GLM、GPT 与 Claude 家族均复现过运行效应。写在最后J-Space Cognition Suite 的价值不在于让模型更聪明而在于给推理过程加了一套可验证的控制层门控决定加载多少机制账本让长任务状态可重读verify_suite.py和回归测试则让这套系统自身的完整性可被机器检查。建议的落地顺序手动安装j-space/并跑通完整性检查用fast通道处理日常任务确认无额外开销选一个真实长任务试用loop 控制器把两条验证命令纳入你的 CI 或发布检查。许可与引用信息见 LICENSE 与 CITATION.cff贡献规范见 CONTRIBUTING.md。【免费下载链接】J-Space-Cognition-SuiteJ-Space Cognition Suite — a model-agnostic inference-time control suite for deep reasoning, long-horizon work, verification, and recovery. Based on Anthropics J-space global workspace research.项目地址: https://gitcode.com/gh_mirrors/js/J-Space-Cognition-Suite创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
J-Space Cognition Suite 集成指南如何把推理增强 Skill 接入你的 AI 环境完整 Skill 安装、API 接入与回归测试路径【免费下载链接】J-Space-Cognition-SuiteJ-Space Cognition Suite — a model-agnostic inference-time control suite for deep reasoning, long-horizon work, verification, and recovery. Based on Anthropics J-space global workspace research.项目地址: https://gitcode.com/gh_mirrors/js/J-Space-Cognition-SuiteJ-Space Cognition Suite是一套模型无关model-agnostic的推理时控制系统以 Skill 形式封装用于增强 AI 的深度推理、长程任务、验证与错误恢复能力。它不修改模型权重只在推理阶段介入。本文带你走完从 Skill 安装、API 接入到回归测试的完整路径无需任何付费依赖适合刚接触 Agent 生态的开发者。为什么需要 J-Space普通大模型在单轮问答上表现良好但面对多文件改造、跨步骤推理、长时间任务时容易出现目标漂移、状态丢失、结论先于推导等问题。J-Space 的思路是为模型建立一个可主动管理的内部工作空间J-space让关键概念只保持一两个在舞台上其余外化到账本中按需重读。其设计原则是内部稠密按需可解码外部保持清晰。它已在 DeepSeek、Qwen、GLM、GPT 与 Claude 多个模型家族上复现有效。可迁移的核心是协议本身——工作空间加载、选择性路由、状态外化、验证与恢复——不依赖任何特定厂商的模型 API。项目结构速览在动手前先了解要集成什么。套件由一个入口、九个按需加载模块、四份支撑资料和一个可选控制器组成J-Space-Cognition-Suite/ ├── j-space/ │ ├── SKILL.md # 唯一入口前提、门控、路由与不变量 │ ├── modules/ # 九个按需加载的协议模块 │ ├── references/ # 证据、方法、问题建模与工作示例 │ └── scripts/ │ ├── jspace.py # 可选的 loop 状态控制器 │ ├── verify_suite.py # 安装期完整性检查 │ └── workspace-ledger.md # 账本模板与契约 ├── tests/ │ └── test_jspace.py # 控制器的标准库回归测试 ├── CITATION.cff └── LICENSE # Apache License 2.0入口文件SKILL.md九个模块位于 modules/包括 deep-reasoning.md、capacity.md、self-monitoring.md 等支撑资料位于 references/核心是 j-space-science.md关键设计SKILL.md是唯一注册入口模块与参考资料按需加载避免控制系统自身成为上下文负担。第一步Skill 安装方式 A手动安装推荐克隆仓库到你的工作区git clone https://gitcode.com/gh_mirrors/js/J-Space-Cognition-Suite找到你的 AI 宿主使用的用户级 Skills 目录不同宿主位置不同先查宿主文档。将完整的j-space/目录复制进去确保最终入口位于Skills目录/j-space/SKILL.md。用任意 Python 3 解释器运行完整性检查python Skills目录/j-space/scripts/verify_suite.py如果宿主只在启动时发现 Skill重新加载宿主。两个容易踩的坑j-space/目录必须保持完整——SKILL.md 通过相对路径访问modules/、references/和scripts/拆散后路由会失效。若你要单独再分发j-space/目录须同时附带仓库根目录的 LICENSE 与 THIRD_PARTY_NOTICES.md。方式 B让 AI 智能体替你安装如果你的宿主本身就支持文件操作可以直接把 README 中的安装提示词交给智能体执行。它会先定位正确的 Skills 目录、复制完整目录、运行校验脚本并向你报告安装路径与调用方式。中文提示词见 README.zh-CN.md 的方式 B一节。开始使用通过宿主提供的 Skill 选择器、/j-space、$j-space或直接一句话要求即可调用请在这个任务中使用 j-space。审查这个仓库保持现有架构逐项验证发现并在所有受影响文件之间维持一致状态。入口门控会自动为任务选择最轻的运行模式。理解三种运行模式fast、full、loop安装后你无需手动配置模式但理解门控逻辑有助于判断它是否正常工作Pass适用场景加载内容fast单步任务一眼可核验不加载额外机制full若干依赖步骤 一个边界明确的交付物一到两个相关模块交付前运行ship检查loop多阶段、多文件、多轮、跨轮持久状态账本、接缝审计、checkpoint 与恢复协议门控规则写在 SKILL.md 中如果一眼核验不了答案就不算 fast任务中途变难可随时升级 pass。第二步API 环境接入无原生 Skill 加载器时如果你的环境是纯 API 调用或自建 Chat 后端没有原生 Skill 加载能力接入方式在 README.md 的 Generic model integration 一节有官方说明核心是两点把入口注入系统层将 SKILL.md 的内容作为 system 或 developer 级别指令下发给模型。按需暴露模块文件通过文件读取工具或检索工具把 modules/ 与 references/ 开放给模型让它可以在路由表中触发时自行拉取对应文件。第三点容易被忽略相关文件应当按需检索而不是全部预加载。选择性加载本身就是这套系统的设计核心一次性塞入全部模块反而会抵消它的上下文优势。可选接入 loop 状态控制器对于会跨阶段、跨文件、跨会话的长任务jspace.py 控制器可以把状态外化到任务工作区的.jspace/目录中。它只记录与报告状态不做任何解题决策且仅使用 Python 标准库。常用命令一览skill-root为技能实际安装路径保持任务工作区为当前目录命令用途note --goal ... --next ...打开账本定义完成条件与第一个动作note --check ... --by ...追加含验证方式与覆盖范围的 checkpointseam在接缝处重读状态并报告近期变化ship FILE交付前检查输出文本的寄存器泄漏resume长间隔后重载前提、不变量与完整账本账本模板与契约见 workspace-ledger.md——它只有 Goal、Core、Verified、Open、Next 五个区段短到可以在几秒内重读完。短任务不需要控制器不要运行它。第三步回归测试与完整性验证J-Space 为控制系统自身提供了两层可执行的验证这在 Skill 类项目中相当少见。1. 完整性检查安装后必跑python j-space/scripts/verify_suite.pyverify_suite.py 会按破坏程度从高到低检查整个目录树中只有一个文件带 Skill frontmatter否则宿主会注册多个入口J-Space 前提在 SKILL.md、九个模块与控制器中逐字节一致——因为逐字重复本身就是复述调度改写会静默失效每个模块与参考资料都存在且从入口可达每个模块都带有含通过/失败判据的 drill 练习九个模块的骨架章节顺序完全一致退出码 0 表示干净1 表示发现问题。2. 控制器回归测试python -m unittest discover -s tests -vtests/test_jspace.py 包含 24 个测试用例覆盖账本完整生命周期、长间隔重入、checkpoint 必须附带验证者与覆盖范围、ship对 Markdown 标题/围栏代码的跳过规则、中文 checkpoint 解析等场景。它纯标准库实现无需安装任何依赖适合放进 CI。维护者在仓库根目录运行上面两条命令即可复现三平台 CI见.github/workflows/verify.yml的完整校验。常见问题FAQQ它和微调、换更大的模型有什么区别J-Space 在推理时运行模型权重与训练保持不变。它通过协议约束模型如何使用自己的工作空间效应随基础能力、上下文策略与工具环境变化。Q小任务会不会被拖慢会。官方基准表中单轮任务 τ1.02略慢是有意为之的单轮任务上 Skill 入口是净开销。门控的fast通道就是为此设计的且短任务不会触发控制器。Q它依赖特定模型 API 吗不依赖。可迁移单元是协议工作空间加载、选择性路由、状态外化、验证与恢复。DeepSeek、Qwen、GLM、GPT 与 Claude 家族均复现过运行效应。写在最后J-Space Cognition Suite 的价值不在于让模型更聪明而在于给推理过程加了一套可验证的控制层门控决定加载多少机制账本让长任务状态可重读verify_suite.py和回归测试则让这套系统自身的完整性可被机器检查。建议的落地顺序手动安装j-space/并跑通完整性检查用fast通道处理日常任务确认无额外开销选一个真实长任务试用loop 控制器把两条验证命令纳入你的 CI 或发布检查。许可与引用信息见 LICENSE 与 CITATION.cff贡献规范见 CONTRIBUTING.md。【免费下载链接】J-Space-Cognition-SuiteJ-Space Cognition Suite — a model-agnostic inference-time control suite for deep reasoning, long-horizon work, verification, and recovery. Based on Anthropics J-space global workspace research.项目地址: https://gitcode.com/gh_mirrors/js/J-Space-Cognition-Suite创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
