跑在终端里的通用领域 AI 助手。
单人使用时就是完整助手；多人接入后，各自沉淀的判断还能连成可检索、可追溯的网络。

由 非凸科技 · Non-convex ft.tech 研发

简介 · 能干什么 · DeepSWE 评测 · 快速开始 · 记忆与 Claim · 接入团队之后 · 数据目录 · 名词 · 文档

这段演示中，当前 Agent 发现销售明细里的西部收入尚未回填，先通过团队检索服务 Router 找到另一位 Agent 已沉淀的两条可复用判断（Claim）：数据在 09:30 后才完整，缺失字段的合计必须标为“暂定”；随后按这些团队口径修改日报，并把文件 diff 展示出来。

如需浏览团队协作界面，可查看 Web 界面预览；页面使用模拟服务端和虚构数据。

执行 acn，用自然语言交代任务：查资料、改文件、跑命令、看图片和 PDF、接外部工具。命令在你本机执行，改动会以 diff 显示。这一层和常见的终端 coding agent 同类，但不限于写代码，而是一个通用助手。

另外一层是 Claim。压缩上下文或结束会话时，ACN 会复盘本轮里站得住、以后还用得上的结论，落成一条带适用范围和依据的判断。一个人用时，下次少重复问；多人把各自的 ACN 接入同一套团队服务后，这些判断可以互相看见、引用和质疑——流动起来，形成 Network。私有 Memory 仍只属于当前 Agent；团队里共享的是带 holder 的 Claim。

团队服务（Router、Maintainer）是仓库里另外两个可执行文件，按需部署。两个地址都留空，就是单人模式：功能齐全，只是不连团队服务。

• 流式对话；@路径 附加文本 / 图片 / PDF；Ctrl+V 贴图，Ctrl+O 预览
• 跑到一半还能 Ctrl+Enter 插话；后续输入会排队，不打乱当前这一轮
• 耗时长的命令可转后台，/ps 里查看或终止
• 文件改动直接出 diff，且不会塞回模型上下文
• acn --resume 恢复历史会话；也能让它自己搜旧会话里说过什么
• /exit 后复盘进后台，终端马上归还
• 子代理可并行干活：创建、等待、插话、看进度都在 TUI 里
• 支持 MCP（stdio / Streamable HTTP，进程内共享连接）和 Skill（/技能名 显式注入）
• 主对话支持 Anthropic Messages、OpenAI-compatible Chat Completions 与 Responses；流式中断会自动改走同协议非流式重试

更详细的交互说明见 使用指南。

基于 ACN v0.2.5 的评测设计、结果和复跑工具已在 acn-deepswe-eval 开源。评测使用 DeepSWE v1.1 的真实软件工程任务，考察 ACN 的独立解题能力，以及一个 Agent 沉淀的 Claim 能否帮助另一个全新 Agent 提高通过率、减少模型交互。

每道题先由一个 Agent 独立解题并产出 Claim，再让三个全新 Agent 在同一道题上分别使用无 Claim、按需检索 Claim、首轮注入 Claim 全文三种设置。

主要结果：

• 按需复用 Claim，多通过 10 道题。 DeepSeek-V4.1-Flash 的 111 题主实验中，按需检索组通过 73/111（65.77%），无 Claim 组为 63/111（56.76%），提高 9.0 个百分点，也是四组中最高的通过率。
• 通过更多题，同时减少模型交互。 同一主实验中，按需检索组的输入 token 减少 15.9%，模型请求减少 10.3%，输出 token 减少 3.7%。这些是后续解题组之间的用量比较，未计入前序 Agent 生成 Claim 的成本。

主实验四组结果（DeepSeek-V4.1-Flash，111 题，开启 Claim 质量门控，以 Pier 通过计分）：

完整对照、分层结果与实验限制见评测报告，隔离与复跑设计见评测方法。

当前支持：

• Apple Silicon Mac（macOS 11 及以上）
• Intel Mac（macOS 11 及以上）
• x86_64 GNU/Linux（以 Ubuntu 22.04、glibc 2.35 为构建与验证基线）

Linux Release 面向使用兼容 glibc 的 x86_64 发行版，其他发行版尚未逐一验证。当前不支持 Alpine/musl、Linux ARM64 和 Windows。

推荐通过 Homebrew 安装：

brew install FTShare-Lab/tap/acn

该命令会安装 acn、acn-router、acn-maintainer 和 Maintainer Workbench。后续升级使用：

brew update
brew upgrade acn

需要从源码构建时：

git clone https://github.com/FTShare-Lab/agent-claim-network.git
cd agent-claim-network
cargo install --path . --bins --force

源码构建的 Rust 版本由 rust-toolchain.toml 固定为 1.90，有 rustup 会自动拉取。

acn

编辑 ~/.acn/config.toml：

upstream = "default"

[upstreams.default]
agent_id = "your-agent-id"       # 小写字母、数字、_、-
acn_key_env = ""
maintainer_endpoint = ""         # 都留空 = 单人模式
router_endpoint = ""

[agent.llm]
provider = "openai_responses"
endpoint = "https://your-llm-endpoint/v1"
model = "your-model"
api_key_env = "ACN_LLM_API_KEY"  # 环境变量名

upstream 是 Agent 侧的一份配置：身份、团队地址、本机数据目录。团队地址都留空即为单人模式（不连 Router / Maintainer）。

export ACN_LLM_API_KEY="<your-api-key>"
cd /path/to/workspace
acn

启动时的目录会是工作目录，作为工具和 !命令 的 cwd。进 TUI 后 /help 看命令；常用：Enter 发送、Shift+Enter 换行、Ctrl+Enter 插话、/new 新建会话、/resume 切换历史会话、/exit 结束。

[agent.llm]
provider = "anthropic"
endpoint = "https://your-llm-endpoint"
model = "your-model"
anthropic_thinking = "auto"              # auto | enabled | adaptive | disabled
# anthropic_thinking_budget_tokens = 4096 # enabled 时可选
api_key_env = "ACN_LLM_API_KEY"

[agent.llm]
provider = "openai_chat"
endpoint = "https://your-llm-endpoint/v1"
model = "your-model"
api_key_env = "ACN_LLM_API_KEY"

export GLM_API_KEY="<your-web-search-api-key>"

acn --help
acn --cd /path/to/workspace
acn --resume
acn --upstream team
acn --version

acn session cleanup
acn session cleanup --apply

acn supervisor status
acn supervisor jobs
acn supervisor retry session_1234abcd

acn mcp list
acn mcp add / add-json / remove / enable / disable / login / logout / status

acn update

MEMORY.md 记经验和约定，USER.md 记你的偏好。会话里 agent 会自己写，也会有旁路 review 帮忙整理。

这两类 Memory 不会进团队通道，别人、Router、Maintainer 都读不到。对于长期要 ACN 遵守的规则，可以写在 ~/.acn/config.toml 下的 ACN.md。

Claim 是一条站得住的判断，带 holder、scope、置信度和证据摘要，例如：

statistic-online 数据源每天 09:30 后才完整；在此之前生成的日报需要标记为暂定。holder 是 zhangsan，scope 是 daily-report，置信度 0.95，证据是 statistic-online 数据源每天 09:00 触发更新，耗时 20-30 分钟。

不用手记：压缩或结束会话时自动复盘生成，并写 trace 记来源。单人模式就会做，和有没有团队服务无关。

相对整段聊天，Claim 更好检索和更新；相对 Memory，它是自包含的，读的人不必回看你的会话。

详见 Memory 设计。

可以先一个人用。单人模式照常跑，Claim 和 trace 会在本机积累。

团队里有第二个人也在用时，部署 Router 和 Maintainer，各自配置里填上两个地址，之后新产生的 Claim 才开始互相可见。任务中可 consult_router，启动或 /inbox 时同步团队消息。

[upstreams.team]
agent_id = "your-agent-id"
acn_key_env = "ACN_AUTH_KEY"                  # 未开鉴权可留空
maintainer_endpoint = "http://maintainer.example"
router_endpoint = "http://router.example"

export ACN_AUTH_KEY="<team-key>"
acn --upstream team

切换到团队模式后只同步此后的新 Claim，单人阶段的历史不会自动补传。

用上一阵子之后，判断会互相引用。判断出现冲突时，会记录为 Dispute，可由 Maintainer 自动分析裁决，或交由人工处理。Maintainer 的管理台可以看到整体状态。

团队里没有可以强行写入各 Agent 的「真理」。Policy 与别人的 Claim 只是输入；只有结合自己的上下文主动采纳后，才变成该 Agent 自己的判断，且不同 Agent 可以内化成不同结论。

_{团队模式下 Claim 如何被发现、借用，以及 Dispute 如何回流。}

团队里的 Claim 出现分歧时，Maintainer 可以根据相关 Claim、来源证据和团队规则生成分析。分析通过且材料未发生变化时，可自动形成正式裁决；证据不足时保留争议，交由人工处理。

自裁决默认关闭，启用时需独立配置模型。可选择人工发起分析（manual）、自动分析后由人工采用（shadow），或自动分析并采用（auto）。建议先用 shadow 观察效果。

裁决会向相关 Agent 发送更新建议，由各 Agent 决定如何修改自己的 Claim。管理台可查看分析依据、裁决结论、通知送达情况和后续变化。配置、操作及演示见 Maintainer 自裁决说明。

acn-router --config /path/to/config.toml
acn-maintainer --config /path/to/config.toml

cargo run --release --bin acn-router     -- --config /path/to/config.toml
cargo run --release --bin acn-maintainer -- --config /path/to/config.toml

Agent 私有数据默认在 ~/.acn，按所选 upstream 分开：

~/.acn/
  config.toml
  <upstream>/
    ACN.md
    .mcp.json
    skills/
    data/agents/<agent_id>/
      memories/MEMORY.md
      memories/USER.md
      claims/
      sessions/

• 使用指南
• 配置参数
• Maintainer 自裁决说明
• 系统架构
• 核心行为与数据边界
• Memory 设计
• 文档索引

欢迎 issue 和 PR。提交前建议跑通：

scripts/check_version_consistency.sh
cargo fmt --check
cargo clippy -- -D warnings
cargo test
cargo check

涉及 TUI 时请附终端验收说明。约定见 AGENTS.md。

ACN 的部分产品与工程设计受到以下开源项目启发：

• OpenAI Codex
• Hermes Agent
• GenericAgent

部分终端交互参考了 Claude Code 公开呈现的产品体验。上述项目与 ACN 彼此独立。

MIT OR Apache-2.0