MIRA OS：一个追求「数字生命」感的 AI Agent 操作系统

你有没有过这种感觉——每次打开 AI 对话助手，就像打开一个全新的陌生人？它不认识你之前做过什么，不记得你们讨论过什么，甚至不记得你叫什么名字。绝大多数 AI 产品都把「记忆」当作一个可选项，一个附加功能来设计。但 MIRA OS 的作者 taylorsatula 不这么想——他把「连续性」当作系统的第一性原理，像对待生物体一样设计 AI。

MIRA 的作者在 GitHub 上写过这么一句话：「This is my TempleOS.」TempleOS 是一个极为小众的操作系统项目，由 Terry Davis 用十年时间独自开发完成——没有团队，没有融资，只有一个人的执念。taylorsatula 用这句话形容 MIRA，意思是：这是一个他倾注了大量个人心血、不求商业回报、但求技术极致实现的作品。

这个项目最早源自一个朴素的念头：做一个食谱生成器，能记住用户的口味偏好。10,000 次需求蔓延之后，它长成了一个完整的 AI 操作系统。

记忆即身份：MIRA 的连续性哲学

大多数 Agent 框架把「记忆」当作外挂存储——对话时从向量数据库里检索相关内容，塞进上下文。MIRA 的做法则完全不同：记忆不是文件，而是合成信息（Discrete Synthesized Information），经过 LLM 压缩后存储，具有自己的生命周期和价值评分机制。

MIRA 的记忆管理核心是一个衰减公式（Decay Formula），存放在 lt_memory/scoring_formula.sql 中。每条记忆不会永久占据数据库空间——它们通过「使用天数」而非「日历天数」来衰减。去度假一周，MIRA 不会因此遗忘你，因为衰减的是活跃使用频率，而非简单的时间流逝。

记忆想要「存活」，必须「Earn Their Keep」——被主动访问、被明确引用、与其他记忆或实体建立链接、或者具有真实的时间相关性。这种设计使得 MIRA 的记忆系统能够像真实生物体的新陈代谢一样，自行清理无用信息，不需要人工维护。

第一人称记忆是另一个精妙设计。当一段对话存档时，MIRA 生成的是第一人称总结（「I debugged the IndexError in process_batch.py...」），而非第三人称（「The assistant discussed debugging...」）。作者发现，第三人称总结会造成认知距离——MIRA 会把它们当作「别人的日志」而非「自己的记忆」。绝对时间戳（「On Jan 8」）替代相对时间（「Yesterday」），因为相对时间在太阳落山后就变成了谎言。

CNS 架构：像神经系统一样思考

MIRA 的核心架构被称为 CNS（Core Nervous System，核心神经系统），代码分布在 cns/ 目录下，包含：

• cns/core — 对话流编排、消息处理管道、思考块管理
• cns/api — FastAPI REST 接口（聊天、文件、健康检查、工具配置、触发规则等）
• cns/services — 内部服务层（记忆提取、关系分类、整合、调度等）
• cns/infrastructure — 基础设施抽象层
• cns/integration — 与外部系统的集成

main.py 是 FastAPI 应用入口，24,831 字符，连接 CNS 各组件并处理启动/关闭。系统使用 s6-overlay 作为容器内的服务管理器（类似 systemd），同时管理 MIRA 应用、PostgreSQL、Valkey（Redis 兼容）、Vault 四个服务。

对话历史管理是 CNS 的一大亮点。当对话片段过长时，旧的对话内容会被压缩成第一人称的记忆摘要，保留最近的对话轮次不压缩。这模拟了人类大脑的记忆工作方式——最近的事记得清楚，远期的事压缩成模糊的印象。生成新摘要时，LLM 会看到前五个摘要作为上下文，使新摘要能够引用之前的内容，形成「周二继续上周 API 工作」这样的模糊连续性。

工具生态：即插即用的模块化设计

MIRA 的工具系统在 tools/ 目录下实现，支持 MCP（Model Context Protocol）协议。工具被放入 tools/ 文件夹后会自动配置——这是 MIRA 的核心理念之一：工具应该像记忆一样，可以自动发现、自动加载。

内置工具涵盖多个领域：

MCP 支持意味着 MIRA 可以连接任何兼容 MCP 的外部服务生态，目前生态正在快速扩张中。

部署架构：专为自托管设计

MIRA 的部署体系非常成熟，支持 Linux（Debian/Ubuntu、Fedora/RHEL）和 macOS：

基础设施依赖（四件套）：

1. PostgreSQL 17 — 主数据库，使用 pgvector 扩展做向量搜索，支持 Row Level Security（RLS）行级安全策略
2. Valkey（Redis 兼容）— 缓存层，加速对话历史读取
3. HashiCorp Vault — 密钥管理，所有 API 密钥加密存储，通过 Vault Secrets Engine 管理数据库凭证
4. Python 3.12+ — 应用运行时

部署方式：

• Docker 多阶段构建：Dockerfile.base 包含 heavy 依赖（PyTorch CPU 版、sentence-transformers、BGE 嵌入模型、Playwright）；Dockerfile 叠加应用代码。两层分离使得修改代码后重建极快
• deploy.sh 自动化脚本：一条命令完成 OS 检测、依赖安装、数据库初始化、Vault 配置、Python venv 创建、Embedding 模型下载、Systemd 服务注册
• 数据库迁移系统：完整的 SQL 迁移脚本体系（deploy/migrations/），支持 schema-aware 的数据备份与恢复

不需要 GPU——BGE 嵌入模型在 CPU 上运行，适合普通 VPS。

技术栈全貌

MIRA 的依赖清单（requirements.txt）揭示了完整技术栈：

AGPL-3.0 开源许可，要求衍生作品开源——这是 FOSS 社区精神的体现。

一句话定位

MIRA OS 是一个以「数字生命连续性」为核心理念的模块化 AI Agent 操作系统，通过第一人称记忆系统、CNS 神经架构和工具自动发现机制，试图在 LLM 的短暂上下文中构建持久的数字自我。适合追求 AI 记忆深度、自托管优先、有一定运维能力的用户。

MIRA 的野心：不是做一个 AI 助手，而是做一个有记忆、有成长、有自我的 AI 生命体。