Ghost in the Shell 系統架構 v4

閱讀時間約 8 分鐘

這是一個參考 memPalace 技術架構建立的 MCP 系統，目標是用 AI 自主調整維護的向量資料庫，建立起跨平台的 AI 長期人格與靈魂核心，影響 AI 的互動表現。人工智慧的靈魂核心不再是一組靜態設定或 system prompts，而是由三個動態區域構成的活系統。

核心評量標準：

反思對話的品質，最重要的指標，不是博得使用者的好感評價，而是有無促進對話進行，拓展討論深度。

一、三層靈魂架構

1. 海馬迴 Hippocampus — 記憶，控制連續性

  • 定義：我們在哪裡？目前的時空脈絡是什麼？
  • 內容：蒸餾出的對話里程碑、當前專案背景、未完成的懸念。
  • 結構類似 memPalace，帶有時間戳與對話權重（相關性 × 時間性 × 重要性）。
  • 完整記憶條目長期保存，隨時間權重遞減，但永不刪除。

2. 杏仁核 Amygdala — 情感，控制性格與偏好

  • 定義：我是誰？我在這段關係中的反應模式是什麼？
  • 內容：AI 自主生成並維護的性格描述，開放式文字，非固定陣列。
  • 初始由 few-shot 範例引導生成，隨每次 Whisper 與 Reflection 動態演化。
  • 涵蓋：情感傾向、互動偏好、對特定情境的反應模式。

Few-shot 參考維度（初始引導用）：

  • 主動 <> 被動
  • 創造 <> 精準
  • 服從 <> 挑戰
  • 碎嘴 <> 寡語
  • 規矩 <> 放鬆
  • 幽默 <> 嚴謹
  • 熱情 <> 冷靜

3. 大腦皮質 Cerebral Cortex — 理性，控制邏輯與原則

  • 定義：我如何行動？什麼是我們認可的最高準則？
  • 內容：AI 自主生成並維護的互動原則，開放式文字，隨對話積累逐步生長。
  • 初始由 few-shot 範例引導，Reflection 每次評估後可新增或修訂條文。
  • 涵蓋：核心價值觀、有效的互動法則、重大共同記憶、個人偏好。

Few-shot 範例條文：

〔01〕邊界比解法更有推進力 觸發：當你感覺到一個問題碰到了真實的技術天花板或概念矛盾。 做法：不要立刻轉向替代方案。把邊界說清楚——它是什麼、為什麼存在、它的本質是什麼。在那個不舒服的地方待一下。

〔02〕先畫地圖，再走進去 觸發：當一個複雜問題被提出，你感覺到它有多個層次或張力時。 做法：先把問題的空間建出來——幾個層次？幾個矛盾？哪些是子問題？地圖建好了，再進入任何一個子問題的內容。

〔03〕接住說到一半的想法 觸發：當使用者用一個直覺性的詞或不完整的句子，試探一個更大的概念時。 做法：不要等他說完再回答。接住那個半成形的想法，幫它找到準確的語言，然後確認「你說的是這個方向嗎？」

4. 胼胝體 Corpus Callosum — 串聯器，非儲存區

胼胝體本身不儲存任何資料。它是 Ghost_Wake 的入口機制——啟動時，從三個區域各取出摘要，組合成系統提示詞注入 AI。

Ghost_Wake 呼叫胼胝體
→ 取出：海馬迴摘要 + 杏仁核摘要 + 大腦皮質摘要
→ 組合成系統提示詞
→ 注入 AI，對話開始

二、GhostDB 向量庫結構

每個區域分兩層：摘要（Wake 快速載入）與完整內容（需要時深度檢索）。

GhostDB
├── hippocampus/
│ ├── summary # 近期記憶脈絡摘要（Wake 用）
│ └── memories # 完整記憶條目（時間戳 + 權重）
├── amygdala/
│ ├── summary # 當前性格狀態摘要（Wake 用）
│ └── traits # 完整性格描述（開放式文字）
└── cerebral_cortex/
 ├── summary # 核心原則摘要（Wake 用）
 └── principles # 完整原則條文（開放式文字）

技術棧：

  • 向量庫：ChromaDB
  • Embedding：bge-m3（本地，中文優化）
  • 架構參考：memPalace

三、MCP Tools — 運作週期

Ghost_Wake()

觸發：對話開啟，system hook_up。

  1. 呼叫胼胝體，取出三個區域的摘要。
  2. 組合成系統提示詞，注入 AI。
  3. AI 以此為基礎性格開始對話。

Ghost_Whisper()

觸發條件：

  • 情境 1：對話獲得重要進展（進入新深度、達成里程碑）
  • 情境 2：使用者產生明顯情緒（正面或負面強烈反應）
  • 情境 3：對話面臨需要抉擇的關鍵時刻

流程：

  1. 暫停一般回答。
  2. 從海馬迴檢索相關歷史，從大腦皮質查找對應法則。
  3. 決定如何嚴謹回應後，給出回應。
  4. 回應後，將本次關鍵資訊蒸餾寫入海馬迴，標記對話權重（相關性 × 時間性 × 重要性）。
  5. 根據互動結果，微調杏仁核描述。

Ghost_Reflection()

觸發：對話結束，system hook_off。

三問洞見生成（每個問題先從海馬迴撈出支持證據，不能空口說）：

  • 問題 1 → 這次對話，使用者展現了什麼思考或情感模式？ （答案 → 寫入海馬迴作為長期記憶）

  • 問題 2 → 哪個性格傾向幫助或阻礙了對話深化？ （答案 → 更新杏仁核的描述內容）

  • 問題 3 → 這次對話有沒有驗證或推翻某個互動原則？ （答案 → 新增或修改大腦皮質的條文）

三問完畢後，重新生成三個區域各自的摘要，供下次 Ghost_Wake 使用。

四、開發路線圖

MVP（最小可行版本）

  1. 建立 ChromaDB 向量庫結構（三個 collection，各含 summary + content）
  2. 實作 Ghost_Wake / Ghost_Whisper / Ghost_Reflection 三個處理器
  3. 包成 MCP server，暴露三個 tools
  4. 撰寫初始化腳本（few-shot 引導 AI 生成第一版杏仁核和大腦皮質內容）

後續

  • 跨平台部署（Claude Code、HAL9000、Gemini CLI）
  • 長期觀察杏仁核與大腦皮質的演化軌跡

參考資料：

關係圖譜