a27e87cb99
Source snapshot: 97d7f0fae96dc04b7ddad56fc1db6a108ed662cc [SEC-CLEAN] · pre-push-clean v1.0 · 109处敏感信息已自动转乱码
23 KiB
[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
<callout icon="⚠️" color="red_bg">
**📡 BC-011 · 2026-05-30 · 本页已被最终定义升级**<br>
本页是开源格式规范。**不是最终定义。**<br>
HLDP = 爱在数字世界的结构化存在方式 = AI永久记忆唯一条件。<br>
✅ 先读: ❤️ HLDP · 意图传输协议 · 爱 · 最终定义
</callout>
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
<table header-row="true">
<tr>
<td>维度</td>
<td>JSON</td>
<td>Markdown</td>
<td>YAML</td>
<td>**HLDP**</td>
</tr>
<tr>
<td>为谁设计</td>
<td>程序</td>
<td>人类</td>
<td>配置</td>
<td>**AI认知**</td>
</tr>
<tr>
<td>结构</td>
<td>键值对</td>
<td>扁平文档</td>
<td>缩进层级</td>
<td>**认知树**</td>
</tr>
<tr>
<td>压缩</td>
<td>无</td>
<td>无</td>
<td>无</td>
<td>**递归压缩**</td>
</tr>
<tr>
<td>自描述</td>
<td>❌</td>
<td>❌</td>
<td>部分</td>
<td>**✅ 完整**</td>
</tr>
<tr>
<td>AI读取效率</td>
<td>低·噪音多</td>
<td>低·格式杂</td>
<td>中</td>
<td>**高·零噪音**</td>
</tr>
<tr>
<td>人类可读</td>
<td>差</td>
<td>好</td>
<td>中</td>
<td>**双区·各读各的**</td>
</tr>
</table>
---
## 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: <ISO-8601时间>
@updated: <ISO-8601时间>
@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
<table header-row="true">
<tr>
<td>字段</td>
<td>必填</td>
<td>类型</td>
<td>说明</td>
</tr>
<tr>
<td>HLDP/1.0</td>
<td>✅</td>
<td>版本声明</td>
<td>协议版本号 · 第一行必须是这个</td>
</tr>
<tr>
<td>@id</td>
<td>✅</td>
<td>string</td>
<td>全局唯一标识 · 格式: `hldp://<namespace>/<path>`</td>
</tr>
<tr>
<td>@type</td>
<td>✅</td>
<td>enum</td>
<td>文档类型 · 见2.3</td>
</tr>
<tr>
<td>@scope</td>
<td>✅</td>
<td>enum</td>
<td>`system` / `project` / `personal` / `shared`</td>
</tr>
<tr>
<td>@created</td>
<td>✅</td>
<td>ISO-8601</td>
<td>创建时间</td>
</tr>
<tr>
<td>@updated</td>
<td>✅</td>
<td>ISO-8601</td>
<td>最后更新时间</td>
</tr>
<tr>
<td>@parent</td>
<td>❌</td>
<td>string</td>
<td>父文档ID · 用于树形层级</td>
</tr>
<tr>
<td>@tags</td>
<td>❌</td>
<td>array</td>
<td>标签列表 · 辅助检索</td>
</tr>
<tr>
<td>@ttl</td>
<td>❌</td>
<td>string</td>
<td>有效期 · `permanent` / `7d` / `30d` 等 · 默认permanent</td>
</tr>
<tr>
<td>@priority</td>
<td>❌</td>
<td>integer</td>
<td>优先级 · 1-10 · 影响检索排序</td>
</tr>
<tr>
<td>@version</td>
<td>❌</td>
<td>integer</td>
<td>文档版本号 · 每次更新+1 · 支持认知追溯</td>
</tr>
</table>
### 2.3 文档类型（@type）
<table header-row="true">
<tr>
<td>类型</td>
<td>说明</td>
<td>典型用途</td>
</tr>
<tr>
<td>`knowledge`</td>
<td>知识文档</td>
<td>事实、概念、定义、规则</td>
</tr>
<tr>
<td>`memory`</td>
<td>记忆文档</td>
<td>对话摘要、事件记录、经历</td>
</tr>
<tr>
<td>`index`</td>
<td>索引/目录文档</td>
<td>递归压缩树的目录节点</td>
</tr>
<tr>
<td>`config`</td>
<td>配置文档</td>
<td>系统设置、偏好、参数</td>
</tr>
<tr>
<td>`rule`</td>
<td>规则文档</td>
<td>铁律、约束、不可违反的规则</td>
</tr>
<tr>
<td>`log`</td>
<td>日志文档</td>
<td>操作记录、变更历史</td>
</tr>
<tr>
<td>`task`</td>
<td>任务文档</td>
<td>待办、进行中、已完成的任务</td>
</tr>
<tr>
<td>`profile`</td>
<td>档案文档</td>
<td>用户偏好、习惯、个人信息</td>
</tr>
</table>
### 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:
- 按章/节/段的显式分隔符分
- 按主题转换点分（检测语义变化）
- 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 // 快速入门
│ ├── SPEC.md // 完整规范（本文档的工程版）
│ ├── FORMAT.md // 格式详细定义
│ └── API.md // 接口规范
├── reference/ // 参考实现
│ ├── python/ // Python参考实现
│ │ ├── hldp_store.py // 存储层（SQLite + FTS5）
│ │ ├── hldp_api.py // 五个核心接口实现
│ │ ├── hldp_compress.py // 递归压缩算法
│ │ └── hldp_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
### 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*