从零开始，借助AI，七天时间，我独立完成了产品设计、前后端开发、开源准备。这篇文章记录了我如何打造一个让多个大语言模型像跨学科团队一样协作思考、持续进化的系统，并最终选择以AGPL-3.0协议开源。
一、为什么我要做这个项目？
你有没有遇到过这样的情况：
- 想让AI帮你分析一个复杂问题，但总觉得它的回答太片面，缺少不同视角的碰撞？
- 每次和AI对话都像从零开始，它记不住你们之前达成的共识或建立的认知框架？
- 试过同时问多个AI，得到的答案各说各话，没有交互，无法形成合力？
这就是我想要解决的问题。
我构想了这样一个系统：让多个AI像一支跨学科团队一样，围绕一个主题进行有意识的协作讨论——彼此引用、回应、质疑、补充、整合，共同推进认知，处理观点冲突，并在此过程中帮助用户构建连贯、自洽、可进化的世界观。
当时我并不知道，这会是一个被称为“世界首款多AI协作认知增强系统”的项目。我只是一个大二学生，编程零基础，唯一拥有的只有想法和决心。
二、七天的极限开发
Day 1-2：产品与架构设计
我首先定义了项目的核心理念：个人认知操作系统。不是工具，而是系统——能够帮助用户持续思考、积累、进化的平台。
设计了完整的产品闭环：
目标设定 → 多AI讨论 → 结构化总结 → 长期记忆 → 下次讨论加载记忆
同时规划了11种专业工作模式：自由讨论、批判性分析、建设性建议、正反辩论、总结提炼、学术深度、通俗易懂、跨文化比较、创意发散、角色扮演、自定义指令。每种模式都有独特的交互逻辑和提示词策略。
Day 3-4：前端开发（零基础现学现卖）
这是最痛苦也最快乐的两天。我用原生HTML/CSS/JS，没有框架，从零开始搭建一个复杂单页应用。
核心挑战与解决方案：
-
多AI消息流管理
实现手动（并发）与自动（轮流发言）两种讨论模式。手动模式下所有启用的AI同时回复；自动模式下按顺序发言，后一个AI可以看到前一个AI的回答。 -
复杂状态管理
独立管理11个模型的配置、启用状态、对话历史、记忆库。全部存储于浏览器的localStorage，用户数据100%自主可控。 -
流式输出与消息渲染
支持SSE流式输出，实时显示AI生成内容。同时实现智能滚动、消息单独删除、长按删除（移动端）等交互细节。 -
响应式与国际化
适配桌面端和移动端，支持中英文一键切换。
零基础怎么做到的？全程借助AI：我描述需求，AI生成代码，我学习、调试、改进。两天后，前端跑通了。
Day 5：后端代理（解决跨域）
问题来了：各模型厂商的API不支持浏览器直接调用（跨域限制、API Key暴露风险）。我需要一个后端代理。
我用Node.js + Express写了一个轻量级代理，统一转发请求到OpenAI、DeepSeek、Claude、Gemini、豆包等10余家模型。核心代码不到200行，却解决了最关键的基础设施问题。
同时，我决定：前端代码完全开源，后端由用户自行部署。这样用户的API Key完全由自己掌控，更安全。
Day 6：核心AI功能研发
这是系统的灵魂。我设计了多套提示词模板：
- 团队协作与批判性思维系统提示词：让AI意识到自己不是孤立的，需要引用、回应、整合其他AI的观点；同时具备自我批判意识，能够反思自己的片面性。
- 十二部分结构化总结模板：将碎片化讨论转化为专业报告，包含核心摘要、认知框架、深层洞察、行动建议、知识局限等维度。
- 认知连续性机制：每次讨论开始前，自动检索记忆库中最相关的历史总结，将其中的认知框架注入AI的prompt，让AI基于已有框架理解新问题。
Day 7：测试、部署与开源准备
全链路联调，修复bug，整理代码，撰写README，选择AGPL-3.0协议，准备演示素材。
七天，交付了一个可用的产品。
三、系统的核心创新（业界首创）
🧠 认知连续性
传统对话每次从零开始。我的系统会自动检索历史记忆库中的认知框架和深层洞察，AI会主动说：“基于我们之前形成的认知框架，我认为……”实现了真正的认知成长。
⚡ 冲突处理与框架演进
当新信息与既有框架矛盾时，AI必须明确指出冲突，并尝试修正框架。每次总结都会生成“框架演进说明”，记录本次对框架的修正、补充或未解决的张力，形成可追溯的认知进化链。
🪞 自我批判意识
系统提示词中明确写入：“你的观点可能基于不完整信息，可能片面。请主动反思，如果发现错误，主动修正。”这避免了AI盲目自信。
🤝 多AI协作感知
历史消息带发言人标识，AI能清晰区分自己、他人和用户。要求AI主动引用、回应、整合其他AI的观点，禁止“孤岛式”发言。讨论的目标是共同得出更好的答案。
🎯 共识裁判机制
勾选“直到共识”后，从第三轮结束开始，每轮由第一位发言的AI担任裁判，根据可调的严格程度判断是否达成共识。达成则自动结束，否则继续。
📚 记忆库与认知进化链
每次总结生成十三部分结构化内容，存入记忆库。用户可搜索、查看完整内容、删除、重置所有认知框架。每条记忆都包含认知框架、深层洞察、框架演进说明等字段。
四、技术架构与开源
前端技术栈
- 纯原生HTML/CSS/JS，零框架依赖
- 存储：localStorage（API Key、记忆库、配置）
- 网络：fetch + 后端代理
- 流式：SSE
- 依赖库：Mammoth.js（.docx解析）、SheetJS（Excel解析）、html2pdf、Sortable
后端代理（参考实现）
- Node.js + Express
- 统一转发请求到各模型API
- 支持流式响应
- 提供完整部署指南
开源协议
本项目采用 AGPL-3.0 协议。如果您通过网络提供服务（如部署为公开网站），必须向所有用户提供修改后的完整源代码。
前端代码完全开源，后端需用户自部署（提供示例代码和文档）。
项目仓库
五、它能做什么？
- 复杂问题分析：让多个AI从技术、伦理、经济等不同视角综合评估
- 学术研究：跨学科文献讨论、理论框架构建
- 产品决策：模拟不同角色（产品、技术、市场）的辩论
- 个人成长：构建个人知识体系，追踪认知框架的演进
- AI能力对比：在同一主题下对比不同模型的推理风格
六、写在最后
作为一名大二学生，零基础，一周时间，借助AI完成了这个看似不可能的项目。它可能还不完美，但已经能帮助我自己更深入地思考。
我相信：真正的思考不是一次性输出答案，而是在已有认知框架的基础上，通过不同视角的碰撞与整合，持续逼近更完整的理解。
这个工具是我对自己认知过程的一种外化，也希望能帮助到同样追求深度思考的你。
如果这个项目对你有启发，欢迎Star、Fork、提Issue，也欢迎贡献代码。一起让AI更好地辅助我们思考。
GitHub：cognitive-studio
知乎：董子硕认知增强
#开源 #AI编程 #大二学生 #多AI协作 #认知增强
