Morphz Vibe 项目

Morphz 简介

Morphz 是一款面向长期并发工作的开源智能体运行时，由 Newvar 开发并以 S-表达式认知机器为核心范式。与传统对话式 Agent 不同，Morphz 将结构化认知上下文而非聊天记录作为语言模型求值的对象，运行时通过确定性事务内核管理事实、权限、状态、执行和恢复，实现多个目标并发推进、安全可控的跨会话工作能力。

核心功能

结构化认知上下文

Morphz 的认知上下文以认知帧（Cognitive Frame）为基本单位，每个帧记录智能体的观察、推理和决策历史，支持 derive（派生）、revise（修订）、retire（退役）和 restore（恢复）四种事务操作。上下文不依赖会话历史的自动压缩，容量压力时由运行时报告边界，智能体显式决定保留、修订或退役哪些内容。

多目标并发推进

同一智能体可同时维护多个会话、多个长期目标和多条工作线程（Thread）。工具执行与长期任务不会阻塞智能体响应，结果沿原有因果路线返回，适用于需要长时间运行的复杂项目和研究工作。

可信执行节点

任务可路由至本机、托管 SSH 主机或边缘节点执行。执行始终在原生操作系统沙箱（macOS/Linux/Windows）和最小权限约束内运行，凭证存储在独立凭证库而非认知上下文中，审批和调用记录进入可追溯事件日志。

认知应用与 Yao 语言

开发者可将领域能力封装为认知应用（Application），用版本化 Harness 包定义求值循环和领域合同，并通过 Yao 类型化认知求值程序实现推理和并行算子。应用可替换工作方式，但不能绕过事务、权限与执行边界。

技术实现

Morphz 的核心创新在于将认知上下文的维护从 AI 模型的黑箱输出变为可审计的结构化事务操作。传统 Agent 依赖长上下文窗口来维持记忆，当 token 超出限制时只能有损压缩为摘要——这个过程不可控、不可审计。Morphz 则将每个认知变化建模为独立事务，由确定性内核验证版本、权限和因果依赖后提交，确保任何状态下都能回溯到任意历史时刻的认知快照。

多版本并发控制（MVCC）机制使独立的认知变化可以并发提交，过期或冲突的修改必须重新求值，避免覆盖较新的状态。执行节点将认知求值与物理执行解耦：智能体在认知层做出决策，执行层负责在目标节点的安全边界内完成实际操作，凭证始终保留在执行层而不进入认知流。安装脚本支持 macOS（Apple Silicon 和 Intel）、Linux（glibc 2.35+）和 Windows（x86_64），本地命令执行在 Linux 上依赖 Bubblewrap 实现用户命名空间隔离。

快速上手

第一步：安装 Morphz

macOS / Linux： curl -fsSL https://morphz.ai/install.sh | sh -s -- setup

Windows PowerShell： irm https://morphz.ai/install.ps1 | iex

安装程序会自动选择对应平台的 GitHub Release 资产，验证 SHA-256 校验和，并引导完成初始设置。

第二步：连接模型服务

运行后进入设置向导，输入 API Key 并选择要使用的模型服务（支持主流 LLM 提供商）。智能体将自动验证连接并完成初始化。

第三步：创建并发目标

在 Morphz 界面中创建多个目标（Objective），每个目标可设置独立的依赖条件和完成条件。例如可以同时运行「分析某论文」「编写某功能」「调研某竞品」三个目标，互不阻塞。

第四步：监控执行与认知状态

通过工作台实时查看各目标的收敛进度、认知帧的变化历史和执行节点的调用记录。任何认知修订都有完整的时间戳和因果链可查。

适用人群

• 复杂 Agent 系统研究者：需要构建长期运行、状态可审计的多目标 Agent 系统
• 企业级 AI 开发者：关注 Agent 决策的可控性和可追溯性，需要在受控环境中执行敏感任务
• 高并发 AI 工作流用户：同时推进多个 AI 辅助项目，需要智能体不因单一任务阻塞而停顿
• 开源智能体框架爱好者：对 S-表达式认知计算范式和确定性事务内核感兴趣的技术社区成员