internalcot

English · 简体中文

让智能体展示完整思维链。

internalcot 为 Codex 和 Claude Code 增加一种可选的推理工作区。开启一次后，智能体必须在整个对话期间，把问题分解、中间推导、备选方案、证据、不确定性和检查过程写进正常的工具执行记录。

npx internalcot@latest setup

› $internalcot

• internalcot 模式已在本次对话中启用。

› 重新检查这个证明。我认为已发表的答案有问题。

• internalcot> 问题：重新评估证明，而不是沿用之前的结论。
  推导：需要检查的阶乘取决于 p，因此固定的有限同余构造不能证明该命题。
  我需要将任何候选构造与下一个阶乘阈值比较。
  下一步：找到最新的声称证明，再验证这个缺口。

你可以在智能体工作时查看一条持续、易读的思维链。智能体会主动把推理写成可见的工作笔记。

安装

上面的 setup 命令会同时安装 CLI 和 skill。它会检测 Codex 与 Claude Code，列出将要执行的全局安装命令和 skill 路径，并在修改前请求确认。如果安装后没有立即看到 skill，请重启编码智能体。

无人值守安装 Codex 版本：

npx internalcot@latest setup --codex --yes

使用 --project 可将 skill 安装到当前仓库，而不是用户主目录。你也可以先预览全部改动：

npx internalcot@latest setup --codex --project --dry-run

重复运行 setup 会更新 internalcot 自己的文件，并保留同一 skill 目录中的其他文件。

使用

开启可见工作笔记：

$internalcot

在当前对话中，该模式会持续作用于每一次回复，也会跨越工具调用和上下文压缩。智能体必须在第一次实质性工具调用或回答前记录详细推理，在各个推理阶段之间继续记录，并在回答前写下最终验证。

明确关闭该模式：

$internalcot off

此模式属于对话状态，不会改变宿主的原生推理设置。新对话默认关闭 internalcot。

执行记录中会显示什么

有用的笔记会展示推导过程，而不只是事后润色的目标与检查摘要：

internalcot> 目标：找出刷新令牌为什么只在轮换后被拒绝。
约束：保留现有会话数据，不能削弱重放攻击防护。
推导：轮换在事务中更新令牌族。第二个请求可能在事务提交前读到旧令牌族，
因此校验会将提交的令牌与过期状态比较。削弱重放防护只会遮盖竞态，而不是修复它。
备选方案：按令牌族串行化轮换，或让读取加入同一事务边界。首先通过公开登录流程复现，
以区分这两种情况。

CLI 会把笔记拆成少量只追加的输出片段，让支持流式进程输出的宿主逐步显示内容。会缓冲输出的宿主则会一次显示完整笔记。无论哪种情况，笔记都在命令启动前由智能体写好；分段显示只是一种呈现方式。

从 skills.sh 安装

你也可以从 skills.sh 安装引导 skill：

npx skills add morluto/internalcot

此命令只安装 skill。如果系统中没有持久安装的 CLI，skill 会改用 npx 运行当前版本：

npx --yes internalcot@latest skill --npx

在这种模式下，笔记命令为 npx --yes internalcot@latest note。推荐的 setup 方式仍然更快，因为它会持久安装 CLI。

skill 如何保持最新

实际安装的 SKILL.md 是一个很小的引导入口。启用时，它会向 CLI 请求与已安装版本一致的指令：

internalcot skill

完整工作流程随 npm 包一起发布。因此，更新 CLI 就会同时更新笔记约定，不会留下与 CLI 版本不匹配的旧 skill 副本。

直接使用 note 命令

无需开启对话模式，也可以直接写一条可见笔记：

internalcot note '起草前先检查等号成立的情况。'

笔记会以 internalcot> 为前缀写入 stderr。默认情况下，输出会分段显示，stdout 保持为空。使用 --no-pace 可立即输出；使用 --receipt 可获得机器可读结果：

internalcot note --no-pace '检查等号成立的情况。'
internalcot note --receipt '检查等号成立的情况。'

{"recorded":true,"next":"Continue the derivation in internalcot. Record intermediate reasoning, alternatives, evidence, and checks before the next substantive step."}

该命令不访问网络、不需要 API key，也不会单独保存笔记。编码智能体的工具执行记录就是存档。

API 观察模式 POC

internalcot observe 保留了本项目最初的实验：它通过 OpenAI Responses API 启动另一个模型，强制模型调用可见的 scratchpad 工具，流式输出工具输入，然后再流式输出最终回答。

这是用于单独 API 请求的测试工具，不是常规 skill 工作流程。它需要 OpenAI API key，并可能产生 API 费用。

请在 OpenAI 控制台创建项目 key。不要把 key 粘贴到提示词、issue、源文件或会被 shell 历史记录保存的命令中。

unset OPENAI_BASE_URL

read -rsp "OpenAI API key: " OPENAI_API_KEY && echo
export OPENAI_API_KEY

internalcot observe --model gpt-5.6-luna \
  '计算 17 * 23，然后只给出乘积。'

unset OPENAI_API_KEY

Scratchpad 输出写入 stderr，最终回答写入 stdout：

internalcot observe '检查 17 * 23 是否等于 391' \
  >answer.txt 2>scratchpad.txt

默认观察模型为 gpt-5.6-sol。参阅 OpenAI 模型目录和 API 快速入门。

开发

npm install
npm run check
npm test
npm run build
npm link

验证公开的引导 skill：

npx skills add . --list

发布

npm whoami
npm run prepublishOnly
npm pack --dry-run --json
npm publish

发布前请确认打包后的 dist/cli.js 可执行，并且同时包含 skills/internalcot 和 runtime/internalcot-workflow.md。

致谢

本项目的构想和最初的 Python 概念验证来自 Can Bölük（@_can1357）。

许可证

MIT