SuperAPI AI 工具集

accreted-intelligence

Accreted Intelligence(acc)是一个面向编程智能体的本地优先 MCP Work Model,支持 Claude Code、Codex、OpenCode 和 Cursor。其核心是“积累智能”:每次运行后遗忘的智能体工作无法沉淀能力,而 acc 把学习从模型权重转移到外部的、按真实结果打分的状态中,形成一份你拥有的业务 Work Model(工作模型)——记录你的判断(如何决策、什么算好、什么绝不允许)以及智能体已验证的执行路径。它通过承诺→行动→审批→结果→可复用路径的闭环,学习真正有效的方法,并在下一次运行前预测更优路径;已验证步骤可重放而非重新推理,使相同任务更便宜、更快、效果更好。每次动作都留下“收据”,离开本机的操作必须得到你的批准,所有记忆与检索都在本地运行,模型可替换而积累的判断保留。该工具为双动词接口、延迟交互记忆、递推式语言模型结构;引擎源码私有,安装器、宿主适配器与公开构件开源。

访问官网

工具介绍

用途

Accreted Intelligence(简称 acc)是一个本地优先的 MCP Work Model,供编程智能体在真实工作循环中积累可复用能力。它面向 Claude Code、Codex、OpenCode 和 Cursor 等智能体,解决“智能体强大但失忆”的问题:每次运行都在真实任务上消耗 token,输出结果后便忘记,能力无法沉淀。acc 将学习和判断从模型权重转移到外部经过真实结果打分的状态,形成你拥有的 Work Model(工作模型)。

主要能力

  • 学习闭环:承诺(commitment)→ 行动(action)→ 扣留待批(HELD)→ 你的批准(your OK)→ 结果(outcome)→ 记分课程(credited lesson)。所有触及外部世界的流程都内置授权门。
  • 路径预测:transitions 账本基于过去评估的 k-近邻,对下一步最可能改善结果的动作进行排序,并监控自身预测误差。这是记忆无法做到的部分:检索返回已说过的内容,预测则在行动前提出更优路径。
  • 可重放而非重新推理:经过验证的路径(浏览器流程、脚本、工具集成)会被保存为 runtime,与备忘录一样按真实结果打分;有效的流程低成本重放,失效的流程失去分数不再被信任。
  • 双动词接口:acc_retrieve 通过 MaxSim 查询记忆(唯一读取操作,原生多模态,可查看图像);acc_act 执行操作,包括 solve(在子目标上递归)、exec(运行沙箱代码)、register(存储可复用 runtime)、outcome(以真实世界裁决关闭承诺)。
  • 递归为原语:没有独立的 decompose 操作;推理器无法直接回答时求解子问题,这些求解长成的树即为分解,无需规划器或任务图。
  • 延迟交互记忆:每个实体以逐 token 多向量存储,每个 token 带学习的 Beta 后验;检索为 MaxSim,公式为 score(q,d) = Σᵢ maxⱼ sim(qᵢ, dⱼ),结果信用会移动实际对齐 token 的后验。无稠密瓶颈,检索不依赖云。
  • 真实性门控信用:关闭承诺默认自评(self_graded)为弱先验;获得完全权重需要真实世界确认,例如所有者确认、世界回复、测试通过或 runtime 干净退出。系统不能从自身置信度中复利。
  • 本地运行与数据归属:运行在你控制的计算机上,一个小程序加一个数据文件(纯 Rust 二进制与 SQLite 文件 acc.db)。循环中没有云控制平面,没有可泄漏的 API 密钥;不设外部 LLM 通道。检索、评分、预测和沙箱都在本机运行。
  • 边界同意与收据:任何发送、发布、部署、转移、删除重要数据或使用凭据的操作都需要所有者授权,该门为硬性而非建议。被扣留的决策有名称和时间戳,没有批准则不会离开本机。每一步都即写即记,形成收据。
  • 模型可替换:学习内容存在于 Work Model 中,可替换的推理器通过相同的两个动词读取它。更换通用模型后,它在你的世界中赢得的判断仍保留;一个底层固定对应一个编码器。

使用方式

  • 一行安装:安装器会探测硬件、选择可诚实运行的嵌入器层级、下载并验证匹配的发布二进制、启动本地热守护进程,并接入智能体的 .mcp.json。首次运行可能下载嵌入器模型(数 GB),需数分钟。
  • 通过 MCP 注册表安装:AccInt 以 io.github.maxbaluev/accint 发布在官方 MCP Registry / MCPB,提供 macOS、Linux 和 Windows 的 MCPB 包,适用于支持 MCPB 的客户端、市场或下游 MCP 目录。
  • 智能体引导安装:可将同一提示词粘贴到已使用的 Claude Code、Codex、Cursor 或 OpenCode 中,由智能体逐步安装、在边界处暂停征求同意,并对照机器可读契约进行验证。
  • 宿主同步:运行 acc hosts-sync 将 acc 接入本机所有已安装的智能体,该操作为仅添加且幂等,不会触碰现有配置。
  • 查看记录:使用 acc commitments 和 acc status 读取它写下的承诺与状态。

适用场景

  • 希望让编程智能体在真实业务工作中积累可复用路径,而不是每次从零重新推理。
  • 需要在涉及外部操作(发送、发布、部署、凭据使用)时保留硬性授权门与可审计收据。
  • 对数据本地性有要求,希望记忆、检索、预测和沙箱都在自己的机器上运行。
  • 希望更换通用模型时不丢失在自身业务中积累的判断。

限制与暂未提供

  • 引擎源码(延迟交互记忆、评估/预测层和信用数学)目前为私有;安装器、宿主适配器、文档和公开构件为开源。
  • 第一版安装可能下载数 GB 的嵌入器模型并需要数分钟。
  • 支持系统:Linux x86_64 为完整支持(bwrap 沙箱;嵌入器可用 cuda 或 cpu);macOS 为功能可用(无 bwrap,资料在此处截断,其余细节暂未提供)。
  • 公开安装器默认启用匿名事件名遥测,不发送提示词、文件、记忆或 Work Model 数据;可用 ACC_NO_TELEMETRY=1 跳过,或用 acc telemetry off 关闭。
  • 资料未提供具体定价、各平台完整限制、性能基准数据或详细部署步骤,相关内容暂未提供。