Openflows

信号 (Signal)：MiroFish 提出了一套面向记忆的操作层（memory operating layer），服务于 AI 时代的劳作，核心在于跨会话的持久化上下文（persistent context）。

语境 (Context)：重心从一次性的模型响应（one-off model responses）转向连续性（continuity）：即，哪些内容可被捕获、组织，并在未来的循环中再次进入。

关联 (Relevance)：对于 Openflows（开流），连续性是认知复利（compounding cognition）的结构条件。记忆操作系统模式暗示了一种本地智能（local intelligence），可随时间推移进行迭代、检视与修订。

当前状态 (Current State)：涌现中的基础设施模式，尚处积极探索阶段。

待解问题 (Open Questions)：个人知识的边界应如何编码与审计？便携式、本地优先（local-first）的记忆连续性需要哪些原语（primitives）？记忆系统如何避免低质量上下文（low-quality context）的静默积累？

连接 (Connections)：依赖条件：链接至本地推理基线（local-inference-baseline）作为前置条件。并行探索：链接至 bettafish（斗鱼）作为平行层的记忆延伸。

译注 (Translator's Note)

1. Current (流) vs. Currency (流通)：在 Openflows 语义体系中，"Current"指流动的讯息信号（流，liú），是尚未闭合的循环；而"Currency"指已沉淀为资产的价值层（流通，liú tōng）。此处条目类型为 current，故译文强调其为“流”之动向，尚未成为“库”之沉淀。
2. Openflows（开流）：保留品牌名 Openflows，首现处加注开流（kāi liú），提示其 "Open" 与 "Flow" 的双重意涵；"开源"一词在中文语境已约定为 Open source，为免混淆，此处不混用。
3. 本地推理 (Local Inference)：译为“本地推理（local-inference）”以保留技术原义。此处 "inference" 与"理（li）"相通，指代模型处理信息的自然条理，故中文保留"理"字的认知深度，而非仅解为"推断"。
4. Compounding Cognition (认知的复利)：将"Compounding"译为复利，强调知识在时间维度上的数学性增长与质变，非简单的重复累积。

更新记录

2026-03-15: 该仓库已获 24.1k stars 和 2.7k forks，标志着从此前所述的涌现状态转向显著采用。项目当前公开描述将其标识为“群体智能引擎”，与现有条目将其描述为面向记忆的操作层有所不同。