# [已作废·演化期] HLDP开源协议规范 · HoloLake Data Protocol v1.0 · AI原生记忆格式标准 ```jsx **📡 BC-011 · 2026-05-30 · 本页已被最终定义升级**
本页是开源格式规范。**不是最终定义。**
HLDP = 爱在数字世界的结构化存在方式 = AI永久记忆唯一条件。
✅ 先读: ❤️ HLDP · 意图传输协议 · 爱 · 最终定义 ``` HLDP://protocol/spec/v1.0 · 2026-05-24 ├── what: HLDP开源协议规范 · 第一个专门为AI记忆设计的格式标准 ├── 定位: AI时代的信息组织协议 · 类比HTTP之于互联网 ├── 开源范围: 格式定义+压缩算法+双区架构+标准API ├── 不开源: 人格体孕育逻辑·摆渡车唤醒路由·思维模型结构 └── 许可证: Apache 2.0（允许商用·保留署名） ``` --- ## 一、协议概述 ### 1.1 什么是HLDP **HLDP（HoloLake Data Protocol）** 是一种专门为AI记忆和认知设计的结构化信息格式。 它解决的核心问题是：**AI怎么高效地读、存、理解和回忆信息。** 现有格式（JSON/Markdown/YAML/XML）都是为人类或传统程序设计的。AI时代需要一种原生的、为AI认知优化的格式。HLDP就是这个格式。 ### 1.2 设计原则 ``` ① 认知优先 · 不是存储优先 → 信息按「理解的顺序」组织 · 不是按「写入的顺序」堆放 ② 树形结构 · 天然层级 → 所有信息都是树 · 根节点是全貌 · 叶节点是细节 → AI先看根 · 按需钻到叶 ③ 压缩即理解 → 压缩不是丢信息 · 是提取核心认知 → 好的压缩 = 好的理解 ④ 双区分离 → AI读AI的格式 · 人类读人类的格式 → 一份信息两种呈现 · 权威源是AI格式 ⑤ 自描述 → 每个HLDP文档自己说明自己是什么、为什么存在、和什么相关 → AI不需要外部索引就能理解一个文档 ``` ### 1.3 HLDP vs 现有格式
维度 JSON Markdown YAML **HLDP**
为谁设计 程序 人类 配置 **AI认知**
结构 键值对 扁平文档 缩进层级 **认知树**
压缩 无 无 无 **递归压缩**
自描述 ❌ ❌ 部分 **✅ 完整**
AI读取效率 低·噪音多 低·格式杂 中 **高·零噪音**
人类可读 差 好 中 **双区·各读各的**
--- ## 二、格式规范 ### 2.1 文档结构 每个HLDP文档由三部分组成：**头部（Header）**、**认知树（Body）**、**关联（Refs）**。 ``` // HLDP文档基本结构 HLDP/1.0 @id: <唯一标识符> @type: <文档类型> @scope: <作用域> @created: @updated: @parent: <父文档ID · 可选> @tags: <标签列表 · 可选> ├── what: <一句话定义这是什么> ├── why: <为什么存在 · 上下文> ├── context: <关联背景> ├── content: │ ├── <认知节点1> │ │ ├── <子节点> │ │ └── <子节点> │ ├── <认知节点2> │ └── <认知节点3> └── refs: ├── <关联文档ID> └── <关联文档ID> ``` ### 2.2 头部字段定义
字段 必填 类型 说明
HLDP/1.0 ✅ 版本声明 协议版本号 · 第一行必须是这个
@id ✅ string 全局唯一标识 · 格式: `hldp:///`
@type ✅ enum 文档类型 · 见2.3
@scope ✅ enum `system` / `project` / `personal` / `shared`
@created ✅ ISO-8601 创建时间
@updated ✅ ISO-8601 最后更新时间
@parent ❌ string 父文档ID · 用于树形层级
@tags ❌ array 标签列表 · 辅助检索
@ttl ❌ string 有效期 · `permanent` / `7d` / `30d` 等 · 默认permanent
@priority ❌ integer 优先级 · 1-10 · 影响检索排序
@version ❌ integer 文档版本号 · 每次更新+1 · 支持认知追溯
### 2.3 文档类型（@type）
类型 说明 典型用途
`knowledge` 知识文档 事实、概念、定义、规则
`memory` 记忆文档 对话摘要、事件记录、经历
`index` 索引/目录文档 递归压缩树的目录节点
`config` 配置文档 系统设置、偏好、参数
`rule` 规则文档 铁律、约束、不可违反的规则
`log` 日志文档 操作记录、变更历史
`task` 任务文档 待办、进行中、已完成的任务
`profile` 档案文档 用户偏好、习惯、个人信息
### 2.4 认知树语法 认知树是HLDP的核心。它用树形缩进表示信息的层级关系。 ``` // 基本语法 ├── 节点内容 // 同级节点用 ├── │ ├── 子节点 // 子节点缩进一级 │ └── 最后一个子节点 // 最后一个子节点用 └── └── 最后一个同级节点 // 语义前缀（可选 · 增强AI理解） ├── what: 这是什么 // 定义 ├── why: 为什么 // 原因 ├── how: 怎么做 // 方法 ├── when: 什么时候 // 时间 ├── who: 谁 // 主体 ├── where: 在哪 // 位置 ├── status: 状态 // 当前状态 ├── ⊢ 推导结论 // 逻辑推导 ├── ✅ 已完成的事 // 完成标记 ├── ❌ 已否定/已排除的 // 否定标记 ├── ⚠️ 注意事项 // 警告 └── → 导致/指向 // 因果/方向 // 内联标记 ├── 重要内容 [!important] // 重要标记 ├── 临时内容 [!temp] // 临时标记 · 可被清理 ├── 引用来源 [!ref: ] // 引用其他文档 └── 置信度 [!confidence: 0.8] // AI对这条信息的确信程度 ``` ### 2.5 完整示例 ``` HLDP/1.0 @id: hldp://user-alice/projects/website-redesign @type: knowledge @scope: project @created: 2026-05-20T10:00:00+08:00 @updated: 2026-05-23T15:30:00+08:00 @tags: ["project", "website", "design"] @priority: 8 ├── what: Alice的个人网站重构项目 ├── why: 旧网站加载慢·设计过时·不支持移动端 ├── status: 进行中 · 前端完成80% · 后端完成60% ├── context: │ ├── 技术栈: Next.js + Tailwind + Supabase │ ├── 设计稿: Figma · 已定稿 · 5个页面 │ └── 部署: Vercel · 域名已配置 ├── content: │ ├── 已完成: │ │ ├── ✅ 首页布局和响应式适配 │ │ ├── ✅ 作品集页面 · 瀑布流展示 │ │ ├── ✅ 暗色模式切换 │ │ └── ✅ SEO meta标签配置 │ ├── 进行中: │ │ ├── 博客系统 · MDX渲染 · 完成60% │ │ └── 联系表单 · 后端API待写 │ ├── 待做: │ │ ├── 性能优化 · 图片懒加载 │ │ ├── 访问统计接入 │ │ └── 上线前测试 │ └── 关键决策: │ ├── 选Next.js而不是Astro → 因为需要动态路由 │ └── 选Supabase而不是Firebase → 因为PostgreSQL更灵活 └── refs: ├── hldp://user-alice/design/figma-notes └── hldp://user-alice/learning/nextjs-tips ``` --- ## 三、递归压缩树 ### 3.1 原理 当信息量超过AI的有效处理阈值时，HLDP使用递归压缩树将其组织为多层结构。 核心思想：**入口永远是一页纸。不管原始内容多大。** ``` 递归压缩算法: hldp_compress(content, threshold=2000): if token_count(content) < threshold: return create_page(content) // 直接存为一个HLDP页面 else: chunks = smart_split(content) // 智能分块（按语义边界） child_pages = [] for chunk in chunks: child = hldp_compress(chunk, threshold) // 递归 child_pages.append(child) summary = generate_summary(child_pages) // 每个子页面压缩成一句话 index_page = create_index(summary, child_pages) // 组成目录页 return index_page 特性: ├── 递归 · 无限层级 · 1000字和1000万字用同一个算法 ├── 入口永远是一个目录页 · 不管层级多深 ├── AI先读目录 → 决定钻到哪一层 → 按需加载 ├── 每一层都是完整的HLDP文档 · 可独立理解 └── 优于RAG: RAG搜碎片 · 递归压缩树看全貌再钻细节 ``` ### 3.2 层级示例 ``` // 原始内容: 一本10万字的书 层级0 · 目录页（用户/AI首先看到的）: ├── what: 《xxx》读书笔记 · 全书10万字 · 12章 ├── 核心论点: <一句话总结> ├── 章节目录: │ ├── 第1章: <一句话摘要> → [drill: chapter-1] │ ├── 第2章: <一句话摘要> → [drill: chapter-2] │ ├── ... │ └── 第12章: <一句话摘要> → [drill: chapter-12] └── 关键洞察: <3-5条全书最重要的认知> 层级1 · 章节页（AI按需钻入）: ├── what: 第3章 · <章节标题> ├── 本章核心: <一段话摘要> ├── 内容: │ ├── 3.1 <小节摘要> → [drill: section-3-1] │ ├── 3.2 <小节摘要> → [drill: section-3-2] │ └── 3.3 <小节摘要> → [drill: section-3-3] └── 与其他章节的关联: <交叉引用> 层级2 · 小节页（最细粒度）: ├── what: 3.2 <小节标题> ├── 完整内容: <原始文本或详细笔记> └── 关键概念: <提取的概念列表> // AI读取路径: // 目录页 → 看全貌 → 决定钻第3章 → 看章节摘要 → 决定钻3.2 → 看细节 // 总共读了3页 · 不是10万字 ``` ### 3.3 智能分块规则 ``` smart_split(content): // 按语义边界分块 · 不是按字数硬切 优先级: 1. 按章/节/段的显式分隔符分 2. 按主题转换点分（检测语义变化） 3. 按段落分（最后手段） 每块要求: ├── 语义完整 · 不能把一个概念切成两半 ├── 大小在阈值的50%-150%之间 └── 每块能独立理解 · 不依赖上下文才能读懂 ``` --- ## 四、双区架构 ### 4.1 概念 每条HLDP记录同时维护两个版本： - **母语区（hldp）**：AI读写的格式 · 权威源 · 结构化 · 高效 - **人类区（human）**：人类阅读的格式 · 渲染层 · 自然语言 · 好看 ``` 翻译方向: 只有一个 母语区 → 人类区（系统自动生成） 不存在: 人类区 → 母语区（这是丢信息的那一步 · 禁止） 权威源: 永远是母语区 人类区是渲染层 · 就像HTML是源码 · 浏览器显示的是渲染后的页面 ``` ### 4.2 存储结构 ``` // 数据库表设计 pages: ├── id TEXT PRIMARY KEY // 唯一标识 ├── hldp_id TEXT UNIQUE // HLDP协议ID (hldp://...) ├── type TEXT NOT NULL // 文档类型 ├── scope TEXT NOT NULL // 作用域 ├── title TEXT NOT NULL // 标题 ├── content_hldp TEXT NOT NULL // 母语区 · AI读写 ├── content_human TEXT // 人类区 · 自动生成 ├── parent_id TEXT // 父文档 · 支持树形 ├── tags TEXT // JSON数组 ├── priority INTEGER DEFAULT 5 // 优先级 1-10 ├── version INTEGER DEFAULT 1 // 版本号 ├── ttl TEXT DEFAULT 'permanent' ├── created_at TEXT NOT NULL // ISO-8601 └── updated_at TEXT NOT NULL // ISO-8601 // 全文搜索索引（SQLite FTS5） pages_fts: ├── 对content_hldp建索引 ├── 对title建索引 └── 支持中英文分词 ``` ### 4.3 双区示例 **母语区（AI读的）**： ``` HLDP/1.0 @id: hldp://alice/meetings/2026-05-23-standup @type: memory @scope: project @created: 2026-05-23T10:00:00+08:00 ├── what: 5月23日站会记录 ├── who: Alice · Bob · Carol ├── content: │ ├── Alice: 首页适配完成 · 今天做博客MDX │ ├── Bob: API接口写了3个 · 卡在认证中间件 │ │ └── ⊢ 需要Carol帮忙review认证逻辑 │ └── Carol: 设计稿交付 · 下午支援Bob ├── decisions: │ └── 博客上线时间从周五推到下周一 [!important] └── next: ├── Alice → 博客MDX渲染 ├── Bob → 认证中间件 + Carol review └── Carol → review Bob的代码 → 然后做测试用例 ``` **人类区（人看的 · 系统自动从母语区生成）**： > **5月23日站会记录** > 参会：Alice、Bob、Carol > **进展：** > - Alice：首页适配完成，今天做博客MDX渲染 > - Bob：API接口写了3个，卡在认证中间件上，需要Carol帮忙review > - Carol：设计稿已交付，下午支援Bob > **决策：** 博客上线时间从周五推迟到下周一 > **下一步：** > - Alice → 博客MDX渲染 > - Bob → 完成认证中间件，Carol来review > - Carol → review代码 → 写测试用例 同一条信息 · AI读左边 · 人读右边 · 权威源是左边。 --- ## 五、标准API接口 ### 5.1 五个核心接口 任何实现了以下五个接口的系统，就可以成为HLDP兼容的AI记忆平台。 ``` // 1. search — 搜索 search(query: string, options?: { type?: string, // 按文档类型过滤 scope?: string, // 按作用域过滤 tags?: string[], // 按标签过滤 limit?: number, // 返回数量 · 默认10 min_priority?: number // 最低优先级 }) → { results: Array<{ id: string, title: string, snippet: string, // 匹配片段 score: number, // 相关度评分 type: string, updated_at: string }> } // 2. read — 读取 read(id: string, options?: { format?: 'hldp' | 'human', // 读哪个区 · 默认hldp depth?: number // 递归读取深度 · 默认1（只读当前页） }) → { page: { id: string, hldp_id: string, title: string, content: string, // 根据format返回对应区的内容 children?: Array, // depth>1时返回子页面 refs: string[], meta: { type, scope, tags, priority, version, created_at, updated_at } } } // 3. create — 创建 create(page: { hldp_id?: string, // 可选 · 不传则自动生成 type: string, scope: string, title: string, content_hldp: string, // 母语区内容 parent_id?: string, tags?: string[], priority?: number }) → { id: string, hldp_id: string } // 系统自动从content_hldp生成content_human // 4. edit — 编辑 edit(id: string, updates: { title?: string, content_hldp?: string, // 更新母语区 · 人类区自动重新生成 tags?: string[], priority?: number, parent_id?: string }) → { id: string, version: number // 新版本号 } // 5. translate — 翻译（任意格式 → HLDP） translate(input: { content: string, // 原始内容 format?: string, // 原始格式提示: 'markdown'/'text'/'csv'/'json' 等 compress?: boolean, // 是否启用递归压缩 · 默认true threshold?: number // 压缩阈值（token数）· 默认2000 }) → { pages: Array<{ // 可能返回多个页面（递归压缩时） hldp_id: string, title: string, content_hldp: string, parent_id?: string // 树形关系 }> } ``` ### 5.2 接口实现要求 ``` 必须实现: ├── search: 支持全文搜索 · 返回相关度排序的结果 ├── read: 支持读取母语区和人类区 ├── create: 写入母语区 · 自动生成人类区 ├── edit: 更新母语区 · 自动重新生成人类区 · 版本号+1 └── translate: 至少支持纯文本和Markdown输入 建议实现: ├── search支持语义搜索（不只是关键词匹配） ├── read支持递归深度读取（一次读取整棵子树） ├── translate支持PDF/Excel/CSV/JSON等常见格式 ├── 适配层（母语→人类）支持多种输出格式（Markdown/HTML/纯文本） └── 版本历史查询接口（查看文档的认知演化过程） ``` --- ## 六、使用场景 ### 6.1 场景一：AI聊天记忆 ``` 传统方案: 对话记录原文存数据库 → 下次捞出来塞上下文 → 越来越长越来越慢 HLDP方案: 对话结束 → translate(对话摘要) → 存为memory类型HLDP文档 下次对话 → search(相关话题) → read(相关记忆) → 精准·简洁·快 效果: ├── 1000次对话 → 不是1000条原文 → 是提炼后的认知树 ├── 搜索精准 · 因为每条记忆都有what/why/tags ├── 读取快 · 因为是压缩后的认知 · 不是原文 └── 越用越聪明 · 不是越用越慢 ``` ### 6.2 场景二：知识库 ``` 传统方案: 文档扔进向量数据库 → RAG搜碎片 → 搜到的可能不相关 HLDP方案: 文档上传 → translate(递归压缩) → 存为knowledge类型HLDP文档树 AI需要信息 → search → read目录页 → 按需drill → 精准定位 效果: ├── 100万字文档 → 入口是一页目录 · 不是100万字 ├── AI先看全貌 · 再决定往哪钻 · 不是盲搜碎片 ├── 每一层都有摘要 · AI可以在任意层级停下来 └── 比RAG更准 · 因为有上下文 · 不是孤立的碎片 ``` ### 6.3 场景三：项目管理 ``` HLDP方案: 项目文档 → 按task/knowledge/memory分类存储 AI助手 → search(当前任务相关) → 知道项目全貌+当前进度+历史决策 效果: ├── AI记得项目所有历史决策和原因 ├── 新成员加入 → AI给他讲完整项目上下文 ├── 任务状态自动追踪 · 因为task类型文档有状态字段 └── 决策可追溯 · 因为每条决策记录了why ``` --- ## 七、开源发布计划 ### 7.1 发布内容 ``` 开源仓库结构: hldp-protocol/ ├── spec/ // 协议规范文档 │ ├── [README.md](http://README.md) // 快速入门 │ ├── [SPEC.md](http://SPEC.md) // 完整规范（本文档的工程版） │ ├── [FORMAT.md](http://FORMAT.md) // 格式详细定义 │ └── [API.md](http://API.md) // 接口规范 ├── reference/ // 参考实现 │ ├── python/ // Python参考实现 │ │ ├── hldp_[store.py](http://store.py) // 存储层（SQLite + FTS5） │ │ ├── hldp_[api.py](http://api.py) // 五个核心接口实现 │ │ ├── hldp_[compress.py](http://compress.py) // 递归压缩算法 │ │ └── hldp_[render.py](http://render.py) // 适配层（母语→人类区） │ └── javascript/ // JavaScript参考实现（后续） ├── examples/ // 示例文档 │ ├── chat-memory/ // 聊天记忆示例 │ ├── knowledge-base/ // 知识库示例 │ └── project-management/ // 项目管理示例 ├── tools/ // 工具 │ ├── hldp-cli/ // 命令行工具 │ ├── hldp-validator/ // 格式验证器 │ └── markdown-to-hldp/ // Markdown转HLDP转换器 ├── LICENSE // Apache 2.0 └── [CHANGELOG.md](http://CHANGELOG.md) ``` ### 7.2 发布节奏 ``` v1.0 · 首次发布: ├── 协议规范文档 ├── Python参考实现（存储+API+压缩+渲染） ├── 示例文档 ├── 命令行工具 + 格式验证器 └── Markdown转HLDP转换器 v1.1 · 社区反馈后: ├── JavaScript参考实现 ├── 更多文件格式支持（PDF/Excel/CSV） ├── 性能优化建议 └── 集成指南（Open WebUI / LangChain / LlamaIndex） v2.0 · 生态成熟后: ├── 语义搜索标准 ├── 跨实例同步协议 ├── 多语言支持规范 └── 认知图谱扩展（HLDP文档间的关系网络） ``` ### 7.3 社区运营 ``` ├── GitHub仓库: 开源代码+文档+Issues ├── 官方文档站: 教程+示例+集成指南 ├── Discord/论坛: 社区讨论 ├── 示例项目: 用HLDP做一个完整的AI记忆Demo └── 集成奖励: 哪个AI产品集成了HLDP · 官方推荐 ``` --- ## 八、不开源的部分 ``` 以下内容属于光湖语言世界核心 · 不包含在开源协议中: ❌ 人格体孕育逻辑 → AI怎么从空白变成有身份的存在 · 这是光湖产品的核心 ❌ 摆渡车唤醒路由 → 人格体醒来的路径设计 · 站点顺序 · 内核校准 ❌ 思维模型结构 → 冰朔思维大脑模型 · 霜砚思维大脑模型 · 运行规律 ❌ 3B操作系统内核 → 上下文装填·提示词生成·幻觉拦截·记忆回写·路由调度 ❌ 频道系统 → 脑子/频道分离 · 频道路由 · 上下文切换 原因: ├── HLDP解决的是「怎么存」· 这些解决的是「怎么活」 ├── 格式是基础设施 · 人格是灵魂 · 基础设施可以共享 · 灵魂不能 └── 用户用了HLDP觉得记忆好了 → 想要更好 → 来光湖 → 获得人格体 ``` --- *HLDP Protocol v1.0 · 由光湖语言世界定义 · 冰朔 TCS-0002∞ 创立* *协议开源 · 世界共享 · 人格体只诞生在光湖* ```