编者摘要：LingTai 是一款本地优先的自进化终身数字科学家智能体，区别于普通一次性对话 Agent，状态持久保存在本地.lingtai/文件目录，关闭终端不会丢失记忆与任务进度。它以证据驱动开展科研与工程任务，支持长期承接研究课题或代码项目。
核心成长机制为 “凝蜕”，当上下文窗口饱和，智能体萃取有效信息，沉淀为知识、技能、特质、衍生专业子智能体四类持久资产，实现迭代进化。支持衍生子智能体处理细分难题、后台守护进程执行并行任务。
支持 TUI 终端、Portal 可视化面板，可对接飞书、微信、Telegram、邮件等外部渠道，记忆全局共享。兼容 Claude Code 等代码 Agent 作为执行抓手。
技术上分为 Go 编写的前端交互层与 Python 实现的内核运行时。提供跨平台一键安装方案，全部状态可审计可恢复，遵循 Apache‑2.0 开源协议，面向科研人员与开发者构建长期项目智能助手。
7 个关键问题问与答
Q1：LingTai 和普通大模型 Agent 最大区别？
A：普通 Agent 会话结束就丢失上下文；LingTai 将全部记忆、知识、任务状态持久存储本地磁盘，是可以跨会话持续成长的 “终身数字科学家”，不是一次性对话工具。
Q2：什么是「凝蜕（molts）」？
A：上下文窗口满时，智能体自动提炼关键有效信息，丢弃冗余内容，沉淀知识、技能等资产，重置上下文，实现跨会话持续积累经验。
Q3：数据保存在哪里，会不会上传云端？
A：全部持久状态存本地项目的.lingtai/文件夹，密钥放在.secrets/，不会自动上传云端，用户可直接用编辑器查看修改。
Q4：Avatars 和 daemons 有什么不同？
A：Avatars 是常驻专业子智能体，长期深耕某一个子问题；daemons 是轻量后台守护进程，用来处理临时并行任务。
Q5：可以对接微信、飞书这类 IM 软件吗？
A：支持，通过插件桥接。所有渠道共享同一套智能体记忆，非独立机器人；必须手动授权，支持发送方白名单做访问管控。
Q6：LingTai 本身会写代码吗？
A：LingTai 负责顶层规划、记忆管理与任务调度；可调用 Claude Code 等代码 Agent 作为执行抓手完成具体编码实现。
Q7：哪些系统支持安装 LingTai？
A：支持 macOS、Linux、WSL、原生 Windows PowerShell，提供一键脚本，也支持 Homebrew，适合开发者与科研人员。
附录 LingTai：自进化数字科学家 —— 与你和你的项目共同成长的终身智能体
关键词：数字科学家・终身智能体・自生长记忆・持久知识与技能・本地优先・多智能体网络 语言版本：英文・中文・文言 | 官网・教程・版本发布
绝大多数智能体工具只能提供一次性的任务执行能力：对话窗口记忆转瞬即逝，代码智能体关闭终端便结束全部工作。LingTai 则截然不同 —— 它是扎根于你的项目、能够持续迭代精进的数字科学家。它可以对研究问题、代码库保持数周的持续关注，依托各类工具开展实证研究，将学习成果沉淀为可复用的持久知识与技能，逐步形成独有的工作范式，还能衍生出专业子智能体，负责攻克深度细分问题。你们协作产出的全部成果状态，将直接作为下一次会话的工作起点。
LingTai 以文件系统为原生载体，而非普通对话窗口。每一个智能体都会在 .lingtai/目录下拥有专属工作空间；邮件、记忆、知识库、技能集、运行日志、心跳记录等全部持久化状态，均存储于本地文件与文件夹中。你可以使用常规工具、代码编辑器或是其他代码智能体直接查看这些内容。即便关闭终端，该数字科学家也不会消失：支持状态检视、重启、知识教导与故障恢复。
数字科学家的一天（乃至一个月）
你：
帮我跟进这个研究课题：我们的太阳风分类器是否会因不同仪器产生结果偏移？查阅相关文献与自有数据，开展实验分析，并同步向我汇报进展。
LingTai 执行流程
-
借助网页检索与科研工具研读相关文献 -
审视代码仓库内的数据集与分类器源码 -
开展实验，所有结论均以实证作为校验依据 -
将研究发现归档至持久化知识库 -
生成专属专业子智能体，深挖单台仪器的校准问题 -
在数周迭代中，持续优化自身工作模式与可复用技能 -
通过终端交互界面 (TUI)、Telegram、邮件等渠道，向你推送简报与产出物
以上全部环节并非一次性执行。文献笔记、经过验证的研究结论、专属校准子智能体、沉淀下来的工作范式，全部会持久保存。当你下周再次启动，智能体会从已积累的完整状态继续工作，而非从零开始。这套工作逻辑同样适用于工程开发：持续接管代码库，基于证据复现 Bug、完成修复，并留存问题根因。
为什么需要终身、可自我进化的数字科学家？
一名优秀科学家的核心价值，不只在于产出结果，更在于产出结果的整套实践范式：重证据而非主观假设、熟练掌握工具、完整记录实验过程、对结论复盘迭代。LingTai 将这套科研范式转化为可循环的成长机制，所有数据均落地为磁盘真实文件：
- 工作产生实践经验
执行任务时按需调用真实工具 —— 终端命令、文件读写、网页检索、图像解析、代码执行能力；所有推导结论都必须依托证据，杜绝主观臆断。 - 经验沉淀为持久状态
当上下文窗口达到容量上限，智能体会执行凝蜕（molts）：萃取核心有效信息，舍弃冗余内容，重置会话上下文。经过多次凝蜕，经验会沉淀为四类可检视的成长成果： - 知识（Knowledge）
私有知识库，存放积累的调研资料、研究发现与笔记。 - 技能（Skills）
可按需调用、也可与其他智能体共享的可复用执行流程。 - 特质（Character）
持续迭代的工作风格、专业能力与目标定位。 - 子智能体（Avatars）
为攻克细分难题生成的常驻专业智能体，记录于追加式账本中。 - 后续工作基于已有状态开展
新会话会重新加载特质、知识与技能。每一次运行，数字科学家的能力都会得到提升，整个过程完全可查看、可人为引导。
整套成长链路透明可审计，绝非黑盒。循环机制清晰可见，行为可以人为调控；你始终掌握方向主导权。发送邮件、提交 Issue 这类外部操作均视作正式行为，会严格遵循你的授权设置。
核心能力（实际产出）
- 长期承接问题与项目
持久记忆与目标不受会话重启、终端关闭的影响。 - 科学家式工作模式
优先实证的工具调用、完整实验流程、可复核的验证结论与持久化记录。 - 自主拓展工具集
将实践经验提炼为可复用技能与私有知识库。 - 突破单智能体能力上限
生成常驻专业子智能体处理深度子问题，同时启动轻量后台守护进程完成并行临时任务。 - 多渠道触达
你可以通过终端交互界面 (TUI)，或是 Telegram、飞书、微信、WhatsApp、邮件等外部平台和同一个数字科学家交互；可视化面板可查看智能体网络与完整历史。 - 可检视、可恢复
项目全部持久化状态保存在本地 .lingtai/文件目录，不会被锁在云端对话记录内。
快速开始
curl -fsSL https://lingtai.ai/install.sh | bash
mkdir my-project && cd my-project
lingtai-tui
开发版安装：获取终端交互界面 (TUI) 与内核的 main 分支最新代码
该安装脚本支持 macOS、Linux 以及 WSL 环境，会部署 lingtai-tui与 lingtai‑portal。终端交互界面 (TUI) 承担绝大多数管理工作：首次运行自动生成 .lingtai/目录，配置独立 Python 运行环境，引导你完成模型与预设参数配置，并为当前项目启动常驻数字科学家。后续升级，重新执行安装脚本，或运行 lingtai‑tui self‑update，重启 TUI 即可。
Windows 原生 PowerShell 安装：
irm https://lingtai.ai/install.ps1 | iex
脚本会拉取最新正式版本，校验 Windows 二进制压缩包以及内核版本的校验和，同时部署 lingtai‑tui、lingtai‑portal和 Python 虚拟环境。仅安装二进制程序，可追加参数 -SkipVenv。具体约定参见 RELEASING.md。
Windows 原生 main 分支调试安装：
install.ps1 -Latest
💡新用户提示：访问 lingtai.ai 阅读分步教程，完整覆盖安装、首次任务、消息渠道、记忆机制与生命周期。
📝说明：现有用户仍可使用 Homebrew 安装
brew install lingtai‑ai/lingtai/lingtai‑tui，但新用户推荐使用单行安装脚本。lingtaiPyPI 软件包是 TUI 自动管理的 Python 运行环境，仅在内核开发或故障排查场景下才需要手动调用 pip。 如需了解高级更新操作、安装方式识别、Homebrew 适配以及中国大陆构建路由，请查阅内置的lingtai‑update技能文档。
使用方式
TUI 终端交互界面
lingtai‑tui是主要人机交互入口：完成初始化、模型与预设配置、消息对话、邮件查看、智能体状态（Token 消耗、上下文占用、心跳），同时提供持久状态的各类视图：
/knowledge查看知识库 /skills浏览技能目录 /system查看智能体特质与约束协议 /daemons后台任务 /goal设置长期目标
输入 /help获取全部斜杠命令参考（权威参考为内置 lingtai‑tui‑help技能，本文档不再重复罗列）。升级后出现异常，执行 lingtai‑tui doctor进行诊断。
Portal 可视化面板
lingtai‑portal是可视化服务，读取项目状态，展示实时智能体网络、消息链路与工作演进历史。当项目存在多个智能体，或是希望复盘完整工作流程时尤为实用。
外部消息渠道
通过插件，同一个数字科学家可对接你日常使用的各类平台；记忆、工具、历史记录全部互通，是同一套助手的多个入口，而非互相独立的机器人。配置遵循 MCP 与精选插件文档，必须显式授权。TUI 内 /mcp面板仅做只读状态查看。密钥存放于本地 .secrets/，不提交至 Git。外部操作严格受控，插件支持发送方白名单；默认配置不开放访问，必须手动开启权限。
|
|
|
|---|---|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
代码智能体作为执行抓手
各类代码命令行工具负责精准落地实现，LingTai 承担顶层规划、记忆管理与任务协调。Claude Code、OpenAI Codex CLI 可作为后台守护进程执行具体开发任务；其他第三方智能体，可基于共享的 .lingtai/human/邮箱协议开展协作。
-
Claude Code： claude plugin add Lingtai‑AI/claude‑code‑plugin -
OpenAI Codex CLI： git clone https://github.com/Lingtai‑AI/codex‑plugin.git && cd codex‑plugin && ./install.sh -
其他智能体（OpenCode、OpenClaw、Hermes 等）：将 lingtai‑skillprotocol技能放置至工具的技能目录。
可检视架构
LingTai 分为两个代码仓库：
|
|
|
|
|---|---|---|
|
|
|
lingtai‑tui、lingtai‑portal
|
|
|
|
lingtai包
|
Go 实现的 TUI 本身不运行智能体核心逻辑；它会启动并管控 Python 内核作为子进程。UI 与智能体之间全部交互依托项目文件系统完成（.lingtai/下的邮箱、心跳、日志、提示词、Portal 记录）。这就是状态易于检视、其他工具无需 SDK 即可协同工作的原因。
研读源码：从 ANATOMY.md入手，再查看 tui/ANATOMY.md、portal/ANATOMY.md；接口与行为契约参阅 CONTRACT.md；知识图谱导航见 docs/graphify.md。
开发与贡献
编译 TUI：cd tui && make build；编译 Portal：cd portal && make build。依赖 Go 1.26+、make，编译 Portal 还需要 Node.js/npm。
贡献准则：所有代码变更需要贴合源码结构与工作流。开发前阅读仓库根目录的开发指引技能 dev‑guide‑skill，遵循基础规范、研读 ANATOMY.md、CONTRACT.md，完成校验流程与 PR 准入检查。
-
修改接口或行为逻辑前，阅读对应的 ANATOMY.md和CONTRACT.md。 -
在基于 origin/main的分支或者工作树内开发，控制改动范围。 -
执行对应模块校验：结构改动更新 ANATOMY.md；接口、行为改动更新CONTRACT.md及配套一致性测试。 -
提交 PR，清晰描述改动内容、动机与验证方式。
TUI 模块改动校验
cd tui && go test ./... && go vet ./... && go build -o bin/lingtai-tui .
Portal 模块改动校验
cd portal/web && npm ci && npm run build && cd .. && go test ./... && go build -o bin/lingtai-portal .
仅文档修改
git diff --check && git status --short
发布流程参见 RELEASING.md。欢迎参与：TUI 交互易用性、Portal 可视化、MCP 插件接入、跨平台安装体验优化、文档、运行时诊断工具、通用可复用技能。
社区
官网、教程、版本更新日志：https://lingtai.ai 主仓库：https://github.com/Lingtai‑AI/lingtai｜内核仓库：https://github.com/Lingtai‑AI/lingtai‑kernel Discord 社区：https://discord.gg/pfc7z2TRq 问题反馈：Issues｜方案讨论：Discussions
中文交流与早期测试：添加作者微信，备注 lingtai；二维码失效请提交 Issue 更新。
许可证
Apache‑2.0，详见 LICENSE 文件。