J-Space-Cognition-Suite-V3.6

English

J-Space Cognition Suite 是一套面向深度推理、长程工作、工具调用、验证与恢复的模型不可知推理时控制系统。

它以 Skill 形式封装，从而支持跨平台使用、选择性加载与低摩擦集成。

套件将智能体可访问的工作表征组织为一个可主动管理的工作空间。整体由一个入口、九个按需加载的模块、三份支撑资料，以及一个用于保存长任务状态的可选标准库控制器组成。

J-Space 在推理阶段运行，模型权重和训练过程保持原有状态。

快速开始

方式 A：手动安装

1. 下载或克隆本仓库。

2. 找到当前 AI 宿主使用的用户级 Skills 目录。

3. 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。

4. 使用可用的 Python 3 解释器运行完整性检查：

   <python-command> <Skills 目录>/j-space/scripts/verify_suite.py
   

   请将 <python-command> 替换为宿主可用的 Python 3 命令，常见形式包括 python、python3 或 py -3。

5. 如果宿主只在启动时发现 Skills，请重新加载宿主。

• j-space/ 目录应保持完整，因为 SKILL.md 会通过相对路径访问 modules/、references/ 和 scripts/。

• 仓库根目录的 LICENSE 与 THIRD_PARTY_NOTICES.md 仍属于分发内容。

• 若单独再分发 j-space/，应同时附带这两个文件的副本。

方式 B：让 AI 安装

把下面的提示词复制给能够访问文件和本仓库的 AI 智能体：

请从以下仓库安装 J-Space Cognition Suite：https://github.com/Tiger3807861189/J-Space-Cognition-Suite-V3.6

请先检查当前宿主的配置或文档，确认用户级 Skills 目录。将仓库中的完整 j-space/ 目录安装为 j-space/，并保持 SKILL.md、modules/、references/ 和 scripts/ 的相对结构。如果目标位置已经存在 j-space，请先比较并询问我，再执行替换。

安装后，请使用可用的 Python 3 解释器运行 scripts/verify_suite.py。完成后告诉我安装路径和校验结果，并说明当前宿主应如何调用这个 Skill。请简要解释 fast、full、loop 三种 pass，以及可选控制器负责记录长任务状态而不负责选择解法。如果当前宿主没有原生 Skill 加载能力，请说明如何通过 system/developer 指令和选择性文件检索完成接入，不要把这种接入报告成原生安装。

开始使用

通过宿主提供的 Skill 选择器、/j-space、$j-space，或者直接要求 AI 使用：

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。

入口门控会自动选择适合当前任务的最轻 pass。

运行模式

Pass	适用工作	加载内容
fast	单步任务，或一眼可以核验的结果	不加载额外机制
full	若干相互依赖的步骤和一个边界明确的交付物	一到两个相关模块；交付前运行 ship
loop	多阶段、多文件、多轮、工具调用或持久状态	账本、接缝、checkpoint、寄存器审计和恢复

简短输出要求会改变外部回答长度，验证强度仍与任务底线保持一致。简单任务保持轻量，长程任务只在需要时获得持久状态。

核心机制

机制	作用
选择性工作空间加载	只保持一到两个承重概念活跃，其余内容外化保存
广播枢纽	让所有依赖分支共享名称、数值、约束和风格锚点
稠密轨	以紧凑且可解码的内部记法承载长链条，随后回到清晰外部语言
结论前桥接推理	让结论依赖的中间概念先进入活动状态
元认知控制	把置信度、不一致和失败信号路由为明确的下一动作
经验逃逸与验证	将停滞推导转化为有边界的测试，并记录验证方式与覆盖范围
第一人称能动性与功能性回响	用 I、we、let's 和 we need 将工作空间状态绑定到后续动作与检查

这些机制按需加载，并不是每个请求都要执行的固定清单。

可选控制器

j-space/scripts/jspace.py 将 loop 状态外化到当前任务工作区的 .jspace/ 中。调用时使用脚本在 Skill 中的实际路径，并保持任务工作区为 当前目录。

命令	用途
note --goal "..." --next "..."	打开账本，定义完成条件和第一个动作
note --next "..."	在 checkpoint 或 seam 后替换唯一的下一动作
note --core "..."	记录一个枢纽项
note --core "..." --core-slot 1	交换指定的活动枢纽项
note --check "..." --by "..."	追加包含验证方式与覆盖范围的 checkpoint
note --open "..." --settled-by "..."	记录开放问题和收束条件
note --close N --check "..." --by "..."	以新记录的 checkpoint 关闭编号为 N 的问题
seam	重读当前状态并报告近期变化
ship FILE	检查输出文本中的寄存器泄漏和失效特征
resume	在长间隔后重新加载 premise、invariants 和完整账本

<python-command> <skill-root>/scripts/jspace.py note --goal "完成条件" --next "第一个动作"
<python-command> <skill-root>/scripts/jspace.py note --close 1 --check "当前成立的结论" --by "验证方式与覆盖范围"
<python-command> <skill-root>/scripts/jspace.py seam
<python-command> <skill-root>/scripts/jspace.py ship OUTPUT_FILE
<python-command> <skill-root>/scripts/jspace.py resume

控制器负责记录和报告状态，解法仍由模型选择。它只使用 Python 标准库，并且只在任务的 .jspace/ 目录中写入工作状态。

通用模型接入

具有原生 Skill 加载能力的环境可以直接安装 j-space/。对于聊天或 API 环境，可将 j-space/SKILL.md 作为 system 或 developer 指令，并通过文件工具或检索工具开放 modules/ 与 references/。

相关文件按需检索；选择性加载本身就是运行设计的一部分。

Benchmark

所有数值均采用对应 Benchmark 的原生得分，数值越高越好。— 表示没有报告结果。HLE 分为无工具与启用工具两种条件。

评测上下文

在 DeepSeek 上评测 J-Space 时，评测配置参照官方 Harness 极简模式，采用 max reasoning effort、temperature = 1.0 与 top_p = 0.95。J-Space 通过工作空间路由、状态连续性、验证与恢复参与完整的推理时运行流程。

结果形成于项目现有的评测环境。硬件条件、进程隔离、工具可用性与信息访问边界共同构成评测上下文。J-Space 倾向于增强模型的主动性与目标导向探索，因此，可访问资料及执行轨迹也可能影响观测结果。

表格汇总了上述条件下的项目级 Benchmark 记录。其他模型的数据保留各厂商公开评测时的原有上下文，不同环境与 Harness 配置下出现分数变化属于正常现象。数据来源包括DeepSeek V4-Flash-0731 模型卡、智谱 AI 的 GLM-5.3 发布评测记录、Kimi-K3 模型卡，以及 Anthropic 的Claude Fable 5 与 Claude Mythos 5 系统卡。

模型对比

Benchmark	DeepSeek V4-Flash-0731	DeepSeek V4-Flash-0731 + J-Space V3.6	GLM-5.3	Kimi-K3	Opus-4.8	Fable 5（含 fallback）
HLE（无工具）	37.8	45.5	—	43.5	49.8	53.3
HLE（有工具）	51.5	60.6	62.5	56.0	57.9	63.0
Terminal Bench 2.1	82.7	87.1	88.2	88.3	85.0	88.0
NL2Repo	54.2	70.2	58.0	58.0	69.7	—
CyberGym	76.7	81.7	84.5	80.0	78.3	83.1
DeepSWE	54.4	67.4	66.9	67.5	58.0	70.0
Toolathlon-Verified	70.3	77.7	73.0	76.5	76.2	77.9
Agents' Last Exam	25.2	30.1	28.5	27.6	25.7	23.8
AutomationBench（Public）	25.1	31.7	48.2	30.8	27.2	29.1

效率

以下任务级指标保持相同的任务与模型条件，每项记录对应一次评测运行。Control 表示匹配的基线条件，J-Space 表示相应的套件辅助条件。速度为 Benchmark 得分除以耗时，数值越高越好；Token 成本为消耗 Token 数除以 Benchmark 得分，数值越低越好。两种条件下的耗时和 Token 数采用固定且统一的系数缩放；该系数影响展示尺度，同一指标内的改进比率仍可直接比较。

指标	Control	J-Space	改进比率
速度（得分/时间，越高越好）	0.43	1.09	2.53×
Token 成本（Token/得分，越低越好）	2.63	1.19	2.21×

相关评测材料： DeepSeek V4 × J-Space 能力释放报告。

跨模型兼容性

该套件的运行效应已在 DeepSeek、Qwen、GLM、GPT 与 Claude 模型系列上复现。具体幅度会随基础能力、上下文策略、工具 Harness、采样配置和 Benchmark 实现而变化。

可迁移单元是工作空间加载、选择性路由、状态外化、验证和恢复组成的协议，并不依赖特定厂商的 tokenizer 或模型 API。

项目结构

J-Space-Cognition-Suite-V3.6/
├── .github/workflows/verify.yml    # 三平台完整性检查和回归测试
├── CITATION.cff                    # 机器可读的引用元数据
├── CONTRIBUTING.md                 # 贡献与来源说明要求
├── LICENSE                         # Apache License 2.0
├── README.md                       # 英文工程指南
├── README.zh-CN.md                 # 中文工程指南
├── THIRD_PARTY_NOTICES.md          # 外部材料的归属与许可边界
├── tests/test_jspace.py            # 标准库控制器回归测试
└── j-space/
    ├── SKILL.md                    # 唯一入口、门控、路由与 invariants
    ├── modules/                    # 九个按需加载的协议模块
    ├── references/                 # 证据、诱导方法与工作示例
    └── scripts/
        ├── jspace.py               # 可选 loop 控制器
        ├── workspace-ledger.md     # 账本模板和契约
        └── verify_suite.py         # 编写期完整性检查

SKILL.md 是唯一注册入口。模块和参考资料按需加载，使控制系统自身保持较低的上下文压力。

维护者可以在套件根目录运行：

<python-command> j-space/scripts/verify_suite.py
<python-command> -m unittest discover -s tests -v

技术依据与适用边界

J-Space 采用 Anthropic 相关可解释性研究建立的操作性工作空间术语。在本套件中，第一人称语言被作为一种控制语法：可访问状态描述会绑定到明确的动作、检查与收束。

套件关注可报告性、主动保持、中间计算、广播、监控和因果敏感性等可观察功能属性。详细的研究解释、术语、证据边界与来源维护在 j-space/references/j-space-science.md 中。

设计原则：

内部稠密，按需可解码，外部保持清晰。

只使用任务真正需要的机制。

版本轨迹

J-Space 已连续经历：

V1 → V1.5 → V1.8 → V2 → V2.5 → V2.6 → V3 → V3.1 → V3.2 → V3.5 → V3.5Turbo → V3.6

V3.6 套件包含一个入口、九个聚焦模块、三份支撑资料、一个可选运行控制器、一个编写期验证器、一套标准库回归测试、三平台 CI、Apache-2.0 许可和机器可读引用元数据。

开源协议

J-Space Cognition Suite 采用 Apache License 2.0 开源，允许在遵守声明保留与专利条款的前提下使用、修改、再分发及商业集成。完整条款见 LICENSE。引用或概述的外部材料仍遵循其来源条款，具体归属与边界见 THIRD_PARTY_NOTICES.md。若只再分发运行时 j-space/ 目录，应同时附带仓库根目录的这两个文件。