祖龙不是又一个 Agent 框架。祖龙给 AI 代理装上了能保持跨年级别完整记忆的"海马体"，让长周期复杂陪伴变成现实。
我是一名室内设计师，用 2 个月的时间，独立开发了祖龙 100000+ 行代码。
不用感到不可思议，因为设计师的素养就是作为项目的"总工程师"规划蓝图，让各个专业板块的人士去落地蓝图。
我设计了祖龙的架构蓝图，让智能编程 IDE 帮我实现的代码：
- 千问桌面端：项目顾问
- trae：前期后端代码工程师
- qoder：后期项目纠偏 + 功能板块实现
- codearts：后期项目纠偏 + 代码审查 + 功能板块实现
祖龙是什么？
祖龙是一个具有统一记忆图谱并采用赫布学习、艾宾浩斯衰减等算法，在动态注意力控制的系统下，实现了年级别完整记忆的 AI 代理认知系统，并且在系统层面实现了无限上下文，可以运行完整的记忆 + 推理 + 多模态能力等。
🎬 视频演示
祖龙系统三层注意力机制和超复杂项目记忆文件展示
👆 点击图片观看视频
📢 v2.1.0 正式发布（2026-06-09）
祖龙 v2.1.0 是一次次版本升级，聚焦于版本号统一、文档一致性修复与项目规范化。
核心更新：
- ✅ 版本号全面统一 — README.md、package.json、CHANGELOG.md 等全部对齐至 v2.1.0
- ✅ zulong-ide 版本号修正 — VS Code 扩展版本号从 0.2.0 修正为 2.1.0
- ✅ 文档架构更新 — zulong_github_readme.md 架构描述对齐 v2.x（L1-B预判 + L2统一主链）
- ✅ 代码行数更新 — 82K+ → 100K+，项目目录 beta4 → beta5
- ✅ 多处文档一致性修复 — 清除过时引用与旧版残留
详见 CHANGELOG.md
- 持久化统一记忆图谱（LMDB + GraphML 存储）
- 赫布学习引擎：共激活计数 ≥ 3 自动创建 ASSOCIATION 边
- 艾宾浩斯遗忘曲线：6 级重要度半衰期（TRIVIAL 6h → MUST_REMEMBER ∞）
- 双路径检索：热路径 BFS（<50ms）+ 冷路径 FAISS（<200ms）
- 语义边自动发现：后台余弦相似度 > 0.7 自动创建 SEMANTIC 边
6 信号综合熔断机制：相同调用重复、模式循环、信息增益递减、上下文压力、经过时间、无进度空转
状态机：GREEN → YELLOW(注入警告) → RED(强制停止)
| 项目 | 检测方式 |
|---|---|
| 祖龙 | 6 信号综合熔断 + 信息增益检测 |
| LangChain | max_iterations 硬限制 |
| CrewAI | max_iterations 硬限制 |
| OpenDevin | 时间/步数限制 |
借鉴 codex、OpenHands 的设计理念，支持：
- 权限分级审批：操作自动分类为安全/需确认/危险级别，对应自动执行/弹窗确认/强制拒绝
- 进度实时跟踪：任务卡片系统 (Approval/Interaction/Startup/Summary) 提供完整的任务生命周期可视化
- 智能工具路由：ToolBag 根据上下文预测所需工具，减少 LLM 工具选择延迟
- 安全执行桥接：VS Code Extension 作为执行宿主，代码在受控环境运行
用户输入 → 对话编排器 → L1-B工具预判 → L2推理/FC循环/TaskGraph规划
↓ ↓
交互卡片渲染 工具袋预测加载
↓ ↓
审批白名单检查 VS Code执行桥接
↓ ↓
记忆镜像绑定 事件存储持久化
支持：暂停 → 关机 → 第二天开机 → 恢复继续执行
适用场景：24 小时陪伴式机器人、超长程项目管理（跨周/跨月）、中断后环境变化自动重评估
L1-B 工具预判 → L2 统一主链（单次模型决策）
├─ 自然语言回复 → 本轮结束
└─ 真实 tool_call → 进入 FC 循环 + TaskGraph 自动规划
配套 5 层防护链（CB 强制收敛、RuleGuardian 过早完成拦截、InfoGap 信息缺口检测等）
- 不再做会话意图分类（CHAT/COMPLEX/RESUME 分类已废弃）
- L1-B 输出工具预判与上下文信号，不输出意图分类标签
- L2 是唯一负责推理、回复生成与工具执行决策的层
- TTS (Kokoro-82M)：82M 参数，<0.3s (CPU)，zf_xiaoxiao 中文女声
- ASR (SenseVoice-Small)：244M (ONNX INT8 量化)，中/英/日/韩/粤语 + 情感识别 + 事件检测
- 整体延迟：3-4s (端到端，云端API调用)
祖龙定位为具身机器人认知大脑后端，通过四层架构实现从传感器到认知决策的完整闭环：
- L0 设备层：USB 摄像头 / 麦克风 / 扬声器驱动，GPU 加速光流运动检测（RTX 3060, 150+ FPS），多关节执行器模拟
- L1 模块化插件架构：松耦合热插拔设计，4 级优先级调度（CRITICAL > HIGH > NORMAL > LOW）
- L1-A 感知与受控反射层：障碍物自动刹车（<50ms 响应），紧急停止，跌落保护，音频融合控制，运动控制
- L1-B 调度与意图守门层：三层注意力机制，ALBERT-tiny 15类细粒度意图分类，事件风暴削减 ~90%
- L1-C 静默视觉注意层：YOLOv10 → MediaPipe姿态/手势(10种) → MobileNetV4-TSM动作分类 → 交互意图判断(5类)
- L1-D 听觉层：音频采集 → YAMNet(521类) → VAD → SenseVoice-Small(转录+情感+事件+语种) → 交互意图判断
- L1-E 安全层：MQ-2烟雾传感器 → CRITICAL事件穿透，60秒冷却
- L2 认知层：推理与决策，不做意图判断
- L3 导航专家：A* 路径规划 + DWA 动态窗口避障（2s 轨迹预测，0.5m 安全距离）
L3 专家层 (Expert Layer) - 专家模型池，热切换 < 10ms
↓
L2 认知层 (Cognitive Layer) - FC循环 + TaskGraph + 5层防护 + 记忆系统
↓
L1-B 调度层 (Scheduler Layer) - Gatekeeper + AttentionController + ToolPredictor
↓
L1-A 反射层 (Reflex Layer) - 障碍物刹车/紧急停止/运动控制
L1-C 视觉层 (Vision Layer) - YOLOv10 → MediaPipe → MobileNetV4-TSM
L1-D 听觉层 (Auditory Layer) - YAMNet → VAD → SenseVoice-Small
L1-E 安全层 (Safety Layer) - MQ-2 气体检测 → CRITICAL 穿透
↓ → 输出(文本/语音/动作)
L0 设备层 (Device Layer) - USB 摄像头/麦克风/扬声器驱动
VS Code Extension (前端) ←WebSocket→ Python Backend (后端)
├─ Zulong Web 主交互 ├─ FastAPI + WebSocket
├─ 交互卡片系统 ├─ L2 推理引擎 (FC循环合并)
├─ 审批白名单 UI ├─ MemoryGraph 记忆系统
├─ 记忆图谱可视化 ├─ 工具袋 (ToolBag)
└─ 工具执行 + UI 渲染 └─ TTS/ASR 语音交互
- Python 3.10+
- Node.js 18+
- VS Code
- 推荐设备：AI MAX 395 128G（可纯 CPU 运行）
# 1. 克隆仓库
git clone https://github.com/beautistart/zulong.git
cd zulong
# 2. 安装 Python 后端依赖（三端按平台选择）
# Windows:
.\scripts\setup_windows.ps1
# Linux:
bash scripts/setup_linux.sh
# macOS:
bash scripts/setup_macos.sh
# 3. 安装 VS Code 后台桥依赖
cd zulong-ide
npm install
# 4. 构建 VS Code 后台桥扩展
npm run protos # 生成 TypeScript proto 文件
node esbuild.mjs --production # esbuild 打包
npx @vscode/vsce package --no-dependencies --allow-missing-repository --skip-license
# 5. 安装扩展到 VS Code
code --install-extension zulong-ide-0.1.0.vsix --force# 统一启动脚本（位于项目根目录）
python start.py
# 或使用带传感器模拟模式
python start.py --mock-sensors
# 打开 VS Code，点击祖龙图标启动会话编辑 config/zulong_config.yaml：
# LLM 配置
llm:
backend: "vllm" # 可选: ollama, lm_studio, openai
model_id: "Qwen/Qwen2.5-7B-Instruct"
# WebSocket 端口
ide_server:
port: 8090
host: "127.0.0.1"
# 语音配置
audio:
tts:
backend: kokoro
voice: zf_xiaoxiao
asr:
backend: sensevoice
language: zh| 维度 | 祖龙 | LangChain | CrewAI | MemGPT/Letta | AutoGPT |
|---|---|---|---|---|---|
| 统一记忆图谱 | ✅ LMDB + GraphML | ❌ 内存 DAG | ❌ | ❌ 单路向量 | ❌ 基于文件 |
| 赫布学习 | ✅ 共激活增强 | ❌ | ❌ | ❌ | ❌ |
| 艾宾浩斯衰减 | ✅ exp 衰减 | ❌ | ❌ | ❌ | ❌ |
| 双路径检索 | ✅ BFS + FAISS | ❌ | ❌ | ❌ 单路 | ❌ 单路 |
| 死循环检测 | ✅ 6 信号熔断 | ❌ 硬限制 | ❌ 硬限制 | ❌ | ❌ 硬限制 |
| 任务挂起/恢复 | ✅ 跨天级 | ❌ | ❌ | ❌ | ❌ |
| 审批白名单 | ✅ 分级审批 | ❌ | ❌ | ❌ | ❌ |
| 语音交互 | ✅ TTS + ASR | ❌ | ❌ | ❌ | ❌ |
| 具身机器人能力 | ✅ L0-L3 四层 + 导航 | ❌ | ❌ | ❌ | ❌ |
zulong/
├── zulong-ide/ # VS Code 后台执行桥 (React + TypeScript)
├── zulong/ # Python 后端核心
│ ├── ide/ # IDE 模式 (WebSocket 服务 + 工具注册)
│ ├── l2/ # L2 推理引擎 (FC循环 + 记忆 + 熔断 + 任务图)
│ ├── memory/ # 记忆系统 (MemoryGraph + RAG)
│ ├── l0/ # L0 设备层 (摄像头/麦克风/执行器/运动检测)
│ ├── l1a/ / l1b/ / l1c/ # 感知层 (音频融合/调度/视觉)
│ ├── l3/ # L3 多专家模型层
│ ├── plugins/ # L1 插件实现 (视觉/语音/气体)
│ ├── events/ # 事件存储 (EventStore)
│ ├── tools/ # 工具系统 (ToolBag + IDE桥接)
│ ├── launcher/ # 启动器 (对话编排器/交互存储/记忆镜像)
│ └── core/ # 核心 (EventBus + 统一协议)
├── config/ # 配置文件
├── docs/ # 技术文档与使用指南
└── requirements.txt # Python 依赖
| 模块 | 文件 | 核心能力 |
|---|---|---|
| MemoryGraph | zulong/memory/memory_graph.py |
双路径检索、赫布学习、艾宾浩斯衰减、BFS 扩散激活 |
| CircuitBreaker | zulong/l2/circuit_breaker.py |
6 信号检测、状态机 (GREEN→YELLOW→RED) |
| TaskGraph | zulong/l2/task_graph.py |
无限深度递归树、模板节点、任务依赖管理 |
| InferenceEngine | zulong/l2/inference_engine.py |
两阶段推理、记忆检索、注意力窗口、FC 循环、5 层防护 |
| FC Runner | zulong/l2/fc_runner.py |
重构后统一 FC 执行器，合并 IDE/Web 双轨 |
| ConversationOrchestrator | zulong/launcher/conversation_orchestrator.py |
多轮对话编排、任务生命周期管理 |
| ToolBag | zulong/tools/tool_bag.py |
工具智能路由、预测加载 |
| MemoryMirror | zulong/launcher/memory_mirror.py |
会话窗口与记忆节点实时绑定 |
| EventStore | zulong/events/event_store.py |
持久化事件流、回放与审计 |
内部工具（后端执行）：task_create_plan | task_add_node | task_mark_status | recall_memory | read_memory_node | save_memory_note | discover_related | navigate_attention
远程工具（前端执行）：read_file | write_to_file | execute_command | search_files | browser_action
v2.0 新增：tool_bag (工具袋预测路由) | ide_bridge (IDE执行桥接) | read_file_tool (安全文件读取)
祖龙提供独立的 MCP Server，可在其他 IDE 中使用祖龙记忆能力：
# mcp_server.py
Server("zulong-memory")
# 7 个 MCP 工具
- zulong_memory_search # 项目级记忆搜索
- zulong_memory_save # 保存项目记忆
- zulong_task_search # 历史任务搜索
- zulong_experience_search # 经验库搜索
- zulong_knowledge_query # 知识库查询
- zulong_graph_query # 记忆图谱查询
- zulong_entity_link # 实体关联- 技术规格说明书 (TSD) - 完整系统架构设计
- 深度技术分析报告 - 记忆系统代码审查
- 异构图记忆系统详解 - MemoryGraph 设计与实现
- FC循环合并与协议统一方案 - v2.0 架构升级详解
- 任务执行记忆化与经验化架构任务书 - 任务编排设计
欢迎贡献！请查看 CONTRIBUTING.md 了解详情。
- 扩展 MCP 工具集（7 → 30+）
- 添加基准测试数据
- TaskGraph UI 可视化增强
- 多 Agent 协作支持
- 性能优化（关键路径 Rust/Cython 重写）
- 记忆图谱可视化面板更多交互功能
本仓库采用分层许可：
- 核心代码 (
zulong/): AGPL-3.0 - VS Code 扩展 (
zulong-ide/): MIT - 文档 (
docs/): CC BY-NC-SA 4.0
详见 LICENSE 文件。
一个室内设计师，用 AI 助手在 2 个月内独立开发了祖龙系统
- GitHub: @beautistart
- 邮箱: beautistart@qq.com
祖龙系统的开发离不开众多优秀的开源项目与社区贡献。在此向以下项目团队表示诚挚感谢：
- Cline v3.82.0 - 祖龙 IDE 基于 Cline 框架开发，感谢 Cline 团队的优秀工作
- PyTorch - 深度学习框架，提供模型推理与计算核心
- FastAPI + Uvicorn - 高性能异步 Web 服务框架
- Hugging Face Transformers - 预训练模型加载与推理
- FunASR / SenseVoice - 阿里巴巴达摩院开源语音识别引擎（ASR 主引擎）
- Kokoro-82M - 轻量级文本转语音模型（TTS 主引擎，82M 参数）
- edge-tts - 微软云端 TTS 备选方案
- Whisper - OpenAI 开源多语言语音识别模型（备选 fallback）
- React - 前端 UI 框架
- Tailwind CSS - 原子类 CSS 框架
- Radix UI - 无头 UI 组件库
- Vite - 前端构建工具
- esbuild - 极速 JavaScript/TypeScript 打包器
- Model Context Protocol (MCP) - 模型上下文协议 SDK
- OpenTelemetry - 可观测性与链路追踪
- Playwright - 浏览器自动化测试
- Qwen 系列模型 - 阿里巴巴通义千问（祖龙核心推理模型）
- ALBERT-tiny-chinese - 哈尔滨工业大学中文轻量级意图识别模型（15类意图分类）
- SenseVoice-Small - 阿里巴巴达摩院开源语音识别引擎（ASR 主引擎，244M 参数，ONNX INT8 量化，支持中/英/日/韩/粤语 + 情感识别 + 事件检测）
- sherpa-onnx - 语音识别 ONNX 推理引擎
- Kokoro-82M - 轻量级文本转语音模型（TTS 主引擎，82M 参数，CPU 实时推理 <0.3s）
- Whisper - OpenAI 开源多语言语音识别模型（ASR 备选 fallback）
- edge-tts - 微软云端 TTS 备选方案
- BAAI BGE 系列 - 北京智源研究院文本嵌入模型（记忆图谱向量检索）
- MediaPipe - Google 开源跨平台机器学习管道（人脸/手部/姿态检测）
- OpenCV - 计算机视觉库（摄像头模块与运动检测）
- PyJWT - JSON Web Token 创建与验证
- Tree-sitter - 增量代码解析器生成器
感谢以下 AI 编程工具在祖龙开发过程中的帮助：
- 千问桌面端 - 项目顾问
- trae - 前期后端代码工程师
- qoder - 后期项目纠偏+功能板块实现
- codearts - 后期项目纠偏+代码审查+功能板块实现
如果这个项目对你有帮助，请给一个 ⭐ Star 支持一下！
Made with ❤️ by a Interior Designer turned AI Developer
祖龙 - 让 AI 拥有真正的记忆