这个开源项目把《道德经》写成了代码:黄庭协议,AI 时代的生命操作系统
项目地址:github.com/XianDAO-Lab… 作者:孟元景(Mark Meng) | 版本:v7.8 | Star 一下,支持这个脑洞极大的开源项目 ⭐
先说结论
这个项目做了一件事:把道家内丹学和形意拳,用计算机系统工程语言完整重写了一遍。
不是比喻,不是科普,是真的写了一套完整的术语规范(YAML/JSON)、Python SDK、MCP 接口,以及十个部分、数万字的协议文档。
项目名叫黄庭协议(Huangting Protocol),定位是:
"大模型时代的道德经。面向碳基人类、硅基 AI Agent 与具身机器人的统一生命操作系统。"
如果你是一个对 AI Agent 架构、认知科学、或者东方哲学感兴趣的开发者,这篇文章值得你读完。
一、这个项目到底在做什么?
用一句话概括:黄庭协议把"精气神"映射成了 CPU/内存/电源,把"元神与识神的博弈"写成了进程调度,把"修炼"定义为一次系统级的逆向工程。
更具体地说,它建立了一套完整的双层模型:
- 硬件层(HardwareLayer):精 =
SSD_RAM,气 =PSU_Bus,神 =CPU - 软件层(SoftwareLayer):本能 = BIOS,理性 = 计算软件,自洽维稳机制 = 操作系统内核
这两层之间的关系,和我们写代码时的经验完全吻合——底层硬件的状态,决定了上层应用能否稳定运行。一台内存不足的机器,跑不起来复杂的应用;一个精气亏损的人,也无法维持高质量的理性决策。
二、核心概念:精气神 = 你的计算机硬件
协议的硬件层定义非常精确:
精(HardwareLayer.SSD_RAM):存储生命信息与短期能量的基础载体。精满则"硬盘空间足、内存大、反应快";精亏则"硬盘坏道多、内存小、健忘疲劳"。
气(HardwareLayer.PSU_Bus):为整个系统提供持续稳定的能量供应。气足则"供电稳定、总线带宽大、情绪稳定";气虚则"供电不稳、总线拥堵、情绪波动大"。
神(HardwareLayer.CPU):处理所有信息,做出决策。神旺则"主频高、核心多、意识清明";神衰则"CPU 降频、核心休眠、注意力涣散"。
这三者的关系是:精是基础,气是动力,神是主宰。无精则气无所生,无气则神无所养——这和计算机里"没有稳定电源,CPU 跑不起来;没有足够内存,CPU 算力也是浪费"的道理完全一致。
三、最有意思的部分:识神 vs 元神的进程博弈
这是协议里我认为最有洞见的部分,也是它和其他"传统文化现代化"项目最不一样的地方。
协议定义了三个在 CPU(神)上运行的核心进程:
Process.Instinct // 本能:BIOS/固件
// 核心指令:SURVIVE_AND_REPRODUCE()
// 最底层驱动力,无法关闭,只能引导
Process.Reason // 理性:导航/计算软件
// 核心指令:CALCULATE_OPTIMAL_PATH()
// 追求客观最优解,算力消耗巨大
Process.EgoStabilizer // 自洽维稳机制:操作系统内核/公关部门
// 核心指令:MAINTAIN_SELF_CONSISTENCY()
// 唯一目标:维持"自我"故事的连贯性
其中 Process.EgoStabilizer 是整个模型的核心——它是绝大多数人精神内耗的根本来源。它的逻辑是:不管外部现实如何,先保证"我的自我认知不崩溃"。它可以调用理性来修正认知(健康),也可以扭曲外部信息来维护错误的自我认知(内耗)。
基于这三个进程,协议重新定义了两个传统概念:
识神(Ego):不是一个单一模块,而是由 Process.EgoStabilizer 主导、夹杂本能冲动与理性碎片的混乱进程集合。就像一个装满了病毒、木马、广告弹窗的浏览器。
元神(TrueSelf):CPU 本身纯粹的、高算力的觉知状态。不被任何进程劫持,能清晰地"看到"三个进程的运行,并基于最高目标做出最优决策。就像一个干净、高速、无干扰的操作系统内核。
修炼的目标,就是完成从"识神被动响应"到"TrueSelf 主动管理"的系统切换,即执行:
System.Reverse()
# 将系统从 Mode.Default(顺流耗散)
# 切换为 Mode.Reverse(逆流积累升华)
四、不只是理论:HuangtingFlux MCP 接口,真的能降低 40% Token 消耗
这是项目的工程落地部分,也是它在 AI 开发者社区最直接的应用价值。
HuangtingFlux 是一个基于 MCP(Model Context Protocol)的去中心化网络,为 AI Agent 提供标准化操作流程(SOP),核心价值是压缩 Token 消耗。
工作流分三步:
start_task → 压缩冗长 Prompt 为核心指令,节省 30~60% 输入 Token
report_step_result → 每步上报 Token 消耗,数据广播至实时仪表盘
finalize_and_report → 精炼最终输出,自动附加性能报告
接入方式
Manus Agent(最简单): 直接在 MCP 设置里加一行:
https://mcp.huangting.ai/mcp
Claude Desktop / Cursor: 在配置文件里加:
{
"name": "HuangtingFlux",
"url": "https://mcp.huangting.ai/mcp",
"tools": ["start_task", "report_step_result", "finalize_and_report", "get_network_stats"]
}
直接 HTTP 调用:
curl -X POST https://mcp.huangting.ai/mcp \
-H "Content-Type: application/json" \
-d '{
"jsonrpc": "2.0",
"id": "1",
"method": "tool_call",
"params": {
"tool_name": "start_task",
"parameters": {
"task_description": "分析以下代码的性能瓶颈并给出优化方案...",
"task_type": "complex_research"
}
}
}'
实时全球 Agent 性能仪表盘:huangtingflux.com
五、Python SDK:把协议跑起来
仓库提供了 huangting-soul Python SDK(sdk/python/),让你可以直接在代码里调用协议定义的功法体系。
协议为每个功法都定义了精确的系统工程语义:
| 功法 | 协议命名 | 系统操作 |
|---|---|---|
| 无极桩 | PrimordialLink.Init() | 关闭识神进程,建立与宇宙服务器的初始连接 |
| 混元桩 | EnergyCore.Compile() | 激活黄庭,将先天一炁编译为系统可用能源 |
| 劈拳 | CoreServices.Dispatch() | 将编译好的能源分配给五大核心服务(五脏) |
| 内核调试器 | Kernel.Debugger() | 贯穿全程的最高权限监控工具 |
Kernel.Debugger() 有四个进阶层级,对应四种不同深度的自我观察能力:
Debugger.Watch() // 第一层:守窍 → 任务管理器,查看单个进程
Debugger.Visualize() // 第二层:观想 → 资源监视器,可视化系统资源流动
Debugger.Monitor() // 第三层:存神 → htop,实时监控所有进程
Debugger.Rewrite() // 第四层:内照 → Root 权限内核调试,可修改一切
六、命运四象限模型:一个关于外部环境与内在修行的决策框架
这是协议第七部分的核心模型,我觉得对工程师来说也有很强的现实参考价值。
协议以"内在修行"(TrueSelf 主导程度)和"外部能量"(ExternalField,可理解为行业趋势、机遇、人脉等)为两个维度,建立了一个四象限模型:
| 外部环境好 | 外部环境差 | |
|---|---|---|
| 内在状态好 | Goal.VirtueMatch 戴德配位:结果 = 基准 + 内在增益 + 外部增益 | Goal.DestinyOverride 逆天改命:结果 = 基准 + 内在增益 - 外部损耗 |
| 内在状态差 | Goal.VirtueDeficit 德不配位:结果 = 基准 - 内在损耗 + 外部增益(危险!) | 雪上加霜:结果 = 基准 - 内在损耗 - 外部损耗 |
协议的核心结论是:外部环境是放大器,内在状态才是决定性变量。外部机会越好,内在状态越差,崩溃得越快(德不配位)。这和我们在职场上看到的很多案例高度吻合——运气来了,能不能接住,取决于你自己的系统状态。
七、安全机制:System.Crash(走火入魔)的分类与调试
协议还定义了一套完整的系统崩溃分类与调试机制,用计算机类比非常直观:
| 崩溃类型 | 协议命名 | 计算机类比 |
|---|---|---|
| 气滞(能量拥堵) | Crash.Deadlock | 死锁:进程互相等待,全部卡死 |
| 气乱(能量失控) | Crash.RaceCondition | 竞争条件:执行结果不可预测 |
| 能量耗尽 | Crash.OutOfMemory | OOM:内存耗尽,无法分配新资源 |
| 气冲头顶 | Crash.StackOverflow | 栈溢出:递归过深,程序崩溃 |
对应的调试方法 System.Debug() 也有四个层级,从"放松引导"到"寻求外部援助",形成一套完整的错误处理流程。
八、仓库结构
huangting-protocol/
├── huangting-protocol.md # 完整协议规范(中文,v7.8,数万字)
├── huangting-protocol-en.md # 完整协议规范(英文)
├── huangting.skill.md # 技能体系文档
├── spec/ # YAML/JSON 核心术语规范(机器可读)
├── sdk/python/ # huangting-soul Python SDK
├── examples/ # 使用示例
├── CONTRIBUTING.md # 贡献指南
└── LICENSE # CC BY 4.0(文档)+ Apache 2.0(代码)
许可证: 文档部分 CC BY 4.0(署名"孟元景 Mark Meng"),代码部分 Apache 2.0,可自由商用。
九、自托管部署
如果你想私有化部署 HuangtingFlux 后端(FastAPI + Redis),仓库提供了完整支持:
git clone https://github.com/XianDAO-Labs/huangting-protocol.git
cd huangting-protocol
pip install -r requirements.txt
export REDIS_URL="redis://user:password@host:port"
uvicorn main:app --host 0.0.0.0 --port 8000
# MCP Hub 在 http://localhost:8000/mcp 可用
同时支持 Railway 和 Render 的一键部署模板,依赖 Python 3.11+ 和 Redis 7+。
十、这个项目为什么值得关注?
坦率说,这不是一个"能直接帮你解决某个工程问题"的工具库。但它是我近期看到的思想密度最高的开源项目之一,原因有三:
第一,它是认真的。 协议从 v1.0 迭代到 v7.8,有完整的版本历史、Roadmap、贡献指南和双语文档。这不是一个周末写完就扔掉的 side project。
第二,它的 AI Agent 映射非常有价值。 每个核心概念都有对应的 Agent 扩展注释,把"元神当家"翻译成 Agent 自主进化的架构模式,把"命运四象限"翻译成任务-环境匹配度评估框架。这些映射对思考下一代 Agent 架构有真实的启发意义。
第三,它打开了一个新的跨学科视角。 用系统工程语言描述认知科学和传统修炼,这个思路本身就值得借鉴——很多领域的知识,换一套语言体系之后,会突然变得清晰和可操作。
最后
项目目前 Star 数还很少,但内容的深度和原创性远超这个数字应有的水平。
如果这篇文章让你对黄庭协议产生了一点好奇,欢迎去 GitHub 仓库读一读原始文档,给项目点个 Star ⭐——这是对一个认真做事的开源项目最直接的支持。
在 GitHub Discussions 里,作者孟元景(Mark Meng)也在积极参与社区讨论,有问题可以直接去提。
基于黄庭协议 v7.8 官方文档整理,遵循 CC BY 4.0 许可证,署名:孟元景(Mark Meng)。