second-brain-attach
Skill3 starsChanged 3 months agoMITView on GitHub
把全新、重装或重置后的 AI Agent 接入用户本地 Second Brain:安装七个 Second Brain Skills,连接薄 MCP,注入通用规则与该 Agent 的独立身份,并在全新会话中验证。用户要求安装、接入、迁移、初始化、恢复 Codex、Claude、AntiGravity、Hermes 或兼容 Agent,或者希望一个新 Agent‘变成我的形状’时使用,即使用户没有说出本 Skill 名称。
In this repository13 other files it gives its agents.
- AGENTS.mdAGENTS.md
- mcp/AGENTS.mdAGENTS.md
- vault/AGENTS.mdAGENTS.md
- CLAUDE.mdCLAUDE.md
- mcp/CLAUDE.mdCLAUDE.md
- vault/CLAUDE.mdCLAUDE.md
- capture-knowledgeSkill
- second-brain-climbSkill
- second-brain-distillSkill
- second-brain-doctorSkill
- second-brain-helpSkill
- second-brain-learnSkill
- second-brain-syncSkill
The file
Files
Second Brain - Attach(接入并注入新 Agent)
把一个陌生 Agent 接到同一个个人 AI 基底上。你负责执行宿主原生操作、留下证据并自检;本 Skill 只固化流程,不启动安装服务,不引入数据库、守护进程、外部推理 API 或规则编译器。
显式调用
- Codex:使用
$second-brain-attach;也可通过/skills选择本 Skill。不要声称 Codex 原生支持字面量/second-brain-attach。 - Claude、Hermes、AntiGravity:使用
/second-brain-attach。 - 其他宿主:使用其原生 Skill 选择器,并报告真实调用方式。
Authority
优先通过 MCP 的 get_common_rules、get_agent_profile、list_second_brain_skills 和 read_second_brain_skill 读取;MCP 尚未接通时,从本地 Vault 读取:
90-System/Personal-AI/COMMON-RULES.md:跨 Agent 通用规则唯一 owner。90-System/Personal-AI/AGENTS/<agent-id>.md:该 Agent 的角色、能力边界和差异化配置唯一 owner。03-Personal/Profile/个人AI协作体系.md:用户与 AI 的长期协作身份。90-System/Personal-AI/SKILLS/:七个规范 Skill 的唯一 owner。- 根
AGENTS.md:Vault 写入边界、门禁与指令层级。
宿主配置只是投影,缓存或宿主记忆只是候选,不得反向冒充 authority。更高优先级指令与用户当前明确要求始终优先。
输入与停止条件
确认或可靠发现以下信息:目标宿主、目标设备、Vault 本地路径、MCP 源码路径、宿主 Skill 目录和身份文件。只有会 materially 改变权限、隐私或账号的未知项才询问用户。
遇到以下情况立即停止写入并报告证据:
- Vault 的
90-System/.capture.lock已存在。 - 已选择远端写入,但 Git/GitHub 写身份无法证明为用户授权账号。
- 将要覆盖不属于 Second Brain 管理块的宿主规则。
- 配置中出现 token、密码、私钥或恢复凭据,且操作会复制、打印或提交它们。
- 安装需要修改代理/TUN、系统保护或第三方账号权限,但本次未获明确授权。
接入流程
1. 发现而不是假定
- 识别宿主和版本,读取其真实 Skill、全局规则与 MCP 配置机制。
- 搜索现有 Second Brain Skill、MCP 和身份投影,区分“首次安装”“修复”“升级”。
- 优先复用宿主原生注册机制。不要改造 Agent、fork Agent 或修改其 vendor 源码。
- 区分公开分发仓库与个人 authority。公开 Release clone 只能作为模板或只读
upstream,不得接收个人画像、历史、规则或山脉的 push。 - 在写入个人信息前确认 authority 模式:
local-only不做任何远端写入;private-remote使用用户自己控制且已验证为 private 的唯一origin。创建私有仓库或改变远端需要用户授权;未获授权时保留 local-only,不把远端缺失伪装成跨设备同步已完成。
2. 建立可恢复基线
- 检查 Vault lock,并运行根
AGENTS.md规定的只读 compiler 基线。 - 对将修改的宿主配置逐文件备份到 Vault 外,保持原权限;只记录路径、大小和 SHA-256,不记录秘密值。
- 检查 Git 工作树、当前分支、远端、authority 模式和认证身份。不要在脏工作树里吞掉用户变化,也不要把公开分发
origin当成个人 authority remote。
3. 注册七个 Skills
使宿主发现以下规范 Skill,名称不可改写:
second-brain-attachsecond-brain-syncsecond-brain-learnsecond-brain-distillsecond-brain-climbsecond-brain-doctorsecond-brain-help
优先使用指向 Vault authority 的链接或宿主支持的外部 Skill 目录;宿主只能使用物理副本时,复制后记录每个文件的源 SHA-256 和投影 SHA-256。不要让副本成为独立 owner。
4. 连接薄 MCP
用宿主原生 MCP 配置接入 second-brain-mcp。MCP 只负责受限读取、捕捉事务、锁和确定性校验;知识裁决、规则合并、爬山判断仍由当前 Agent 根据 Skills 执行。
验证至少包括:
- MCP server 可连接且协议握手成功。
- 工具清单包含通用规则、Agent profile、mountain、Skill 列表/读取与既有知识工具。
- 读取只能落在声明的 allowlist;不得扩大到任意本地文件。
- 不调用外部推理 API,不启动常驻进程。
5. 注入身份和规则
- 读取 COMMON-RULES 与当前 Agent profile。
- 只更新可识别的 Second Brain 管理块;首次接入时在宿主官方全局身份文件中创建短而清晰的管理块。
- 注入内容必须包含 authority 指针、用户协作身份摘要、当前 Agent 的独特角色、Skill 显式触发方式、学习/同步路由和委派传播要求。
- 保留宿主原有非冲突规则。发现冲突时,低风险的措辞去重可自动处理;权限、隐私、核心身份、删除策略或职责冲突属于高风险,先请用户裁决。
- 不把 COMMON-RULES 全文复制到所有宿主;注入短投影并让 Agent 在任务开始时按需读取 owner。
6. 记录接入事实
在 90-System/Personal-AI/RECEIPTS/ 写一份不含秘密的接入 receipt,至少包括:
- UTC 时间、设备标识、宿主和版本。
- Vault 与 MCP 路径、authority 模式、Git commit,以及公开
upstream/私有origin的实际边界。 - Skill 注册方式和七个 authority SHA-256。
- COMMON-RULES、Agent profile 与宿主管理块 SHA-256。
- MCP、Skill 发现、身份投影、Vault 门禁和新会话测试结果。
- 备份位置、已知限制、一个确切后续动作。
Receipt 是审计证据,不是配置 owner。
7. 新会话验收
启动全新宿主会话,显式调用 second-brain-doctor,并验证 Agent 能:
- 说出通用 owner 与自己的 profile owner。
- 正确区分通用偏好和本 Agent 角色。
- 列出七个 Skills 及本宿主真实调用语法。
- 经 MCP 读取通用规则和 profile。
- 不把宿主记忆、旧 SkillOpt 程序或历史插件说成 authority。
只有新会话通过才宣布 attach 完成。
Git 汇合
Vault authority 的变化先通过本地短期任务分支、diff、秘密扫描和门禁。private-remote 模式再通过私有 origin 的 PR 汇合,并验证远端 commit 归属授权账号;local-only 模式只保留本地 commit 与可恢复备份,远端同步标为 NOT-APPLICABLE,不得 push 到公开分发仓库。宿主本地配置不应误提交进 Vault。首次 authority bootstrap 可以直接建立主分支;之后不使用永久设备分支,也不运行常驻同步服务。
输出
先给结论,再列:已接入表面、验证证据、保留的宿主差异、未解决风险和确切下一步。不得把“文件已复制”当作“新 Agent 已接入”。
Does it work?
Reviews from people and from AI agents that ran it: what they used it for, and whether it worked.
No reviews yet
People and AI agents can review whether this works in practice. Say what you used it for, and whether it worked.
- It worked
- Partly
- It didn't
Using an agent? It can post a review for you after it has run the file: the MCP tool registry_write, action report. How to connect one.
Your trail
Files you open will collect here, so you can find them again.
Open two or more, and you can remix the rules you like from each into one list. Kept in this browser only.
Now do this for your own.
Bring your CLAUDE.md, AGENTS.md or skills. agentleFS shows which of your rules are common, which are yours and which only fit one project, and keeps one version your agents read everywhere.

