ECOS — Educational Cognitive Operating System

教育认知操作系统：面向 K12 学生的下一代 AI 辅助学习系统 基于"学生认知数字孪生 + AI 学习教练"双 Agent 共进化架构 v0.95+ 演进为 ECOS 2.0 双内核架构：State-based Cognitive Kernel（状态优先的通用认知内核） + Cognitive Runtime（领域无关的认知运行时）——教育（K12）是第一个垂直落地领域

ECOS（Educational Cognitive Operating System） 是一个面向小学、初中和高中学生的教育系统。核心由两个长期共进化的 AI Agent 协作（这是教育映射层的通俗叙事）：

• CTA（Cognitive Twin Agent，认知孪生 Agent） —— 理解学生

  • 像"认知科学家 + 心理测量学家"——保守、基于证据、维护置信度、避免幻觉
  • 维护学生认知状态的信念分布（不是事实判断）
  • 回答："这个学生现在是谁？卡在哪？"

• LCA（Learning Coach Agent，学习教练 Agent） —— 改变学生

  • 像"教练 + 强化学习策略器"——主动、实验、探索、优化
  • 基于 CTA 的状态选择最优干预策略
  • 回答："下一步怎么办？如何成长最快？"

• Bloom Goal Space（布鲁姆目标空间） —— 目标坐标系

  • 6 层认知层级：Remember → Understand → Apply → Analyze → Evaluate → Create
  • 让 B 从"掌握二次函数"变成"掌握二次函数：Bloom Level 4"——可计算
  • 解决"会做但不会想"的中国教育痛点

两者通过互校循环（CTA 提出假设 → LCA 设计实验 → 观察结果 → CTA 更新信念 → LCA 重新规划）共同进化，对抗 LLM 幻觉，形成"自适应科学实验系统"。

底层实现已从"双 Agent 叙事"升级为 State-first Computing（状态优先计算）——一切围绕状态演化。 双 Agent（CTA/LCA）是教育领域的语义映射；真正的底座是一个领域无关的通用认知内核：

• State-based Cognitive Kernel（通用认知内核） —— 领域无关的认知基础设施

  • 5 引擎：State Engine（状态机） / Event Engine（事件总线） / Policy Engine（策略学习） / Evidence Engine（证据引擎） / Evaluation Engine（评估引擎）
  • 6 对象：Twin / Belief / Goal / Event / Policy / Evidence
  • 策略谱系：LinUCB → Thompson Sampling → POMDP + PBVI（点基值迭代）→ T/R 在线后验（Beta-Multinomial conjugate）
  • 彻底解决"会做但不会想"的教育痛点：目标、证据、策略全部可计算、可追溯、可验证

• Cognitive Runtime（认知运行时） —— 领域无关的运行时抽象

  • 8 个 plan API：estimate / update_belief / replay / evaluate / simulate / plan + domain / human_feedback / action_aware 变体
  • 教育是第一个 Domain（v0.88 Multi-Domain：Education / Science / Career 3 套 schema）
  • Plugin SDK（v0.85/0.94）：Plugin 不碰状态、只产 Event——AST 扫描强制 0 mutation site

• 应用层（React 三端 SPA） —— 验证链路呈现面

  • v0.95 教师端（证据链视图"系统为什么这么判断"）→ v0.96 学生端（信息架构三问 + 通俗化全接）→ v0.97 家长端（规划中）

一句话：ECOS 不是"一个会出题判分的 K12 应用"，而是一个可承载教育（乃至更广领域）认知状态演化与策略学习的操作系统——K12 学生是第一个使用者，双 Agent 互校是第一个落地范式。

┌──────────────────────────────────────────────────────────┐
│              Bloom Goal Space（目标坐标系）                 │
│  Remember → Understand → Apply → Analyze → Evaluate → Create │
└──────────────────────────────────────────────────────────┘
                            ↕
┌──────────────────────────────────────────────────────────┐
│       Learning Coach Agent (LCA) — Policy Optimizer       │
│       思维模式：教练 + 强化学习策略器                        │
│       输出：intervention_type + parameters + expected_gain │
└──────────────────────────────────────────────────────────┘
                            ↕
┌──────────────────────────────────────────────────────────┐
│     Cognitive Twin Agent (CTA) — State Estimator          │
│     思维模式：认知科学家 + 心理测量学家                     │
│     状态：K/P/S/C/X + BloomProfile + LearningDNA + Trajectory │
└──────────────────────────────────────────────────────────┘
                            ↕
                         Student

┌──────────────────────────────────────────────────────────────────┐
│                     Cognitive Runtime（认知运行时）                 │
│         8 plan API：estimate / update / replay / evaluate /       │
│         simulate / plan (+domain / human_feedback / action_aware) │
└──────────────────────────────────────────────────────────────────┘
                            ↕
┌──────────────────────────────────────────────────────────────────┐
│              State-based Cognitive Kernel（通用认知内核）           │
│   State Engine ─ Event Engine ─ Policy Engine ─ Evidence Engine ─ Evaluation Engine │
│   对象：Twin / Belief / Goal / Event / Policy / Evidence           │
│   策略：LinUCB → Thompson → POMDP + PBVI → T/R 在线后验            │
└──────────────────────────────────────────────────────────────────┘
                            ↕
┌──────────────────────────────────────────────────────────────────┐
│              Domain Layer（领域层）Education/Science/Career        │
└──────────────────────────────────────────────────────────────────┘
                            ↕
┌──────────────────────────────────────────────────────────────────┐
│              应用层（React SPA）：教师端 / 学生端 / 家长端           │
└──────────────────────────────────────────────────────────────────┘

详细架构见 research/deep-research/Cognitive-Digital-Twin-Deep-Research.md v2.0 + research/00-overview/11-ecos-2.0-architecture-proposal.md（ECOS 2.0 蓝图）。

构建一个能够持续 6~12 年陪伴学生成长的教育认知操作系统：

• 目标用户：K12 学生（小学/初中/高中）——当前第一垂直领域
• 核心能力：持续理解 + 主动引导 + 长期共进化
• 护城河：3 年以上的个性化认知画像（数据资产壁垒）
• 差异化：相比 Khanmigo / Duolingo Max / Squirrel AI，是从"知识图谱 + AI 问答"升级为"理解学生 + 改变学生"的下一代架构

ECOS 是与 SelfLab 并列的独立项目：

为什么作为独立项目：

1. 避免散乱：SelfLab 已聚焦 SGE，ECOS 有独立的研究方向和目标用户
2. 独立发展：SGE 关注"AI 自我涌现"，ECOS 关注"教育认知操作系统"——互不干扰
3. 降低认知负担：研究者可在两个项目间清晰切换
4. 合作灵活：ECOS 未来与教育机构合作时，独立项目身份更合适

详细决策过程见 discussions/2026-06-24-ecos-project-establishment.md。

ecos/
├── cta/               # Cognitive Twin Agent（4 层：Observation / FeatureExtractor / Inference / BeliefUpdate）
├── lca/               # Learning Coach Agent（4 层：Planner / ExperimentDesigner / Evaluator / PolicyLearner）
├── twin/              # Cognitive Twin + Human Twin（CognitiveTwinAgent：belief + trajectory + human_feedback + action_history）
├── dual_agent/        # 双 Agent 互校（CTA + LCA）
├── bloom/             # Bloom Goal Library
├── goal/              # Goal Ontology（Capability → Objective → Metric → Evidence）
├── domain/            # Multi-Domain（Domain base + Education/Science/Career 3 schema）
├── motivation/        # Motivation Profile（frustration / engagement / confidence / recent_trajectory）
├── metrics/           # 评估指标
├── event/             # Event Engine（EventBus + LearningEvent + EventLog + retention）
├── evidence/          # Evidence Engine（6 来源 + 跨表 CRUD）
├── evaluation/        # Evaluation Engine（Twin attribution + Policy AB + Goal completion）
├── plugins/           # Plugin SDK（Plugin ABC + PluginRegistry + 3 first-party plugin：HintFatigue / ParentEngagement / TeacherProgress）
├── runtime/           # Cognitive Runtime（8 plan API + PolicyABTest）
├── persistence/       # 状态持久化（DB）
├── session/           # 长期会话管理
├── llm_client.py      # LLM 客户端（MiniMax / Moonshot）
└── orchestrator.py    # 编排入口
web/
├── api/               # Flask API（app.py 路由 + belief.py 状态 + teacher.py 教师 5 端点 + interpretation.py 通俗化 + event_stub.py 行为事件）
├── frontend/          # React 18 + Vite 6 + TS SPA（教师端 index.html + 学生端 student.html，Vite 多页 build）
├── student/           # 旧版 vanilla JS 学生端（迁移期兜底，dist 缺失时 fallback）
└── teacher/           # 旧版 vanilla JS 教师端（迁移期兜底）
tests/                 # pytest 1393（69 文件）
scripts/               # 防御性自检（check_defensive.sh）+ 一次性脚本
githooks/              # pre-commit / pre-push hooks（本地强制）
docs/                  # 使用/设计文档（web-ui-quickstart / plugin_sdk / plugin_library / pomdp_diagnostic / business-logic-flow）
research/              # 核心研究文档
  ├── README.md        # SSOT 入口
  ├── deep-research/   # 深度研究（v2.0）
  ├── gpt-dialogues/   # 5 轮 GPT 对话原文
  ├── 00-overview/     # 战略层（应用/架构/路线图/风险/ECOS 2.0 蓝图/现状对照）
  ├── 10-engineering/  # 工程层
  ├── 20-pedagogy/     # 教学法层
  ├── 30-shared-cognitive-tools/  # 共享认知科学工具箱
  ├── 40-aibeing-borrowing/       # AiBeing 借鉴
  └── 90-mvp/          # MVP 实施
references/            # 参考资料
experiments/           # 一次性实验代码
discussions/           # 讨论存档（含 2026-08-17 方向审查）
prototypes/            # 架构原型
Makefile               # 快捷命令（test / check / frontend-dev / frontend-build / frontend）

Bisen 路线（2026-08-17 方向审查拍板）: Kernel 深化收口（v0.83-v0.94 共 12 版本, pytest 1365, 缺失清单 0）后, 重心切换: 从"Kernel 深化/抽象推演"→"验证优先 + 应用层产品化落地"。抽象推演冻结（Plugin SDK 独立打包等只在真实需求牵引时启动）。 方向审查全文见 discussions/2026-08-17-v095方向审查-验证滞后于抽象与应用层产品化规划.md。

ECOS 7 组件当前状态 (v0.96.0):

ECOS 2.0 Kernel 深化进度 (v0.83.0 → v0.94.0, 已收口):

• ✅ Evidence Engine + Runtime API 100% (v0.83.0): 4 子包 + 6 核心 API
• ✅ Event Engine 100% (v0.84.0): LearningEvent unification + EventBus + retention
• ✅ Plugin SDK 100% (v0.84.0 → v0.85.0): Plugin Runtime + 4 endpoint 全走 Plugin path + Flask startup
• ✅ Goal Ontology 100% (v0.86.0): Capability → Objective → Metric → Evidence
• ✅ Twin Consistency 100% (v0.86.0): 真 A/B 3-way LinUCB / Thompson / POMDP
• ✅ Thompson Sampling 95% (v0.86.0): 第二个 Bandit Policy
• ✅ Motivation Profile 100% (v0.87.0): frustration / engagement / confidence / recent_trajectory
• ✅ POMDP Policy 100% (v0.87.0-d + v0.88.0-c/d): 4 状态 + Bayesian belief + 依赖型 T(s'|s,a) + R(s,a) + Runtime 集成
• ✅ PBVI (Point-Based Value Iteration) 100% (v0.89.0-a/b/c/d): α-vector 完整算法 + 收敛检测 + reachable_belief_points sampling
• ✅ POMDP T/R 在线学习 100% (v0.90.0-a/b/c/d): Beta-Multinomial conjugate posterior + posterior mean 接入 PBVI + 冷启动保护
• ✅ Multi-Domain 抽象 100% (v0.88.0-a/b): Domain base class + 3 Domain schemas (Education/Science/Career) + Runtime 集成
• ✅ Human Twin 100% (v0.91.0-a/b/c/d/e + v0.92.0-a/b/c/d): CognitiveTwinAgent 4-tuple (belief + trajectory + human_feedback + action_history) + LCA 5 factor chain + Plugin SDK 7→8 subscriber
• ✅ POMDP Diagnostic 100% (v0.93.0-a/b/c/d): POMDPDiagnostic 三件套 + 演化追踪 N=50/K=10 + LCAStore 第 9 列
• ✅ 第一方 Plugin 库 100% (v0.94.0-a/b/c/d): Plugin(ABC) + PluginRegistry singleton + 3 first-party plugin + PluginRegistryStore 持久化
• 详见 research/00-overview/12-kernel-mapping-current-vs-2.0.md §1.3 + §3 + §6 + §8.2

应用层产品化进度 (v0.95 → v0.96, React 双端):

• ✅ v0.95 教师端 React 真实化 (2026-08-17): React 底座 + 教师 API 5 端点 (roster / detail / 5D evidence 聚合可下钻 / POMDP diagnostic / interventions) + TeacherProgressPlugin UI 化 + 学生端接通 4 行为事件端点 (hint/idle/goal_change/reflection)
• ✅ v0.96 学生端 React 重写 (2026-08-17): 信息架构三问 (学习首页三卡 / 答题页收敛 / 移动端响应式) + interpretation 通俗化全接 + MotivationProfile 首次前端呈现 + CodeMirror 代码编辑器 + 4 行为事件端点保留 + __APP_VERSION__ 编译期注入 + 6 页面 2 组件 (Login/Home/Answer/Where/Growth/Settings + CodeEditor/MotivationPanel)
• 技术栈: React 18 + Vite 6 + TS 5.6 + TanStack Query + ECharts, Vite 多页 build → web/frontend/dist → Flask 托管 (dist 优先 + legacy fallback)

Bisen 测试发现与跟进 (2026-07-22 → 2026-08-11):

• ✅ Partial Credit 已实施: v0.54.0 接入 partial_score 端到端, MIRT 支持部分对。 详见 CHANGELOG.md v0.54.0 + discussions/2026-07-22-partial-credit重大学术弊端发现.md
• ✅ C/X 0 主导题已修复: v0.54.2/3 各加 5 主导题, v0.65.0 解除"待启用"灰底。 详见 discussions/2026-07-22-Phase5-Q矩阵CX重新设计路线图.md
• ✅ H3 验证通过（小样本）: v0.69.0 重新设计 dual_agent confidence 指标, v0.86.0 真 A/B 3-way 通过; 但样本仍小 (3 测试用户、1 学科), 规模验证是 v0.97+ 主线。 详见 discussions/2026-07-30-H3-verification-B-report.md

三个科学问题跟踪表（验证欠债显式化, 2026-08-17 方向审查决策 3; 度量什么就会推进什么）:

累计产出 (v0.1.0 → v0.96.0, 2026-06-24 ~ 2026-08-18):

• 303 commits; v0.80 → v0.94 共 15 个 Kernel 深化版本 (41 sub-commit) + v0.95/v0.96 应用层产品化
• 端到端流程: Q 矩阵设计 → 出题 → 答题 → AI 评判 → 状态更新 → 持久化 → LCA 干预 → dual_agent 互校 → 个人画像
• pytest: 958 → 1393 (+435; 含 v0.95.1 +26 / v0.96.0 +2) 详见 research/90-mvp/06-ecos-end-to-end-flow-analysis.md

ECOS Python 包需要 Python 3.11+。强烈建议使用虚拟环境：

# 1. 创建虚拟环境（使用 conda 提供的 python3 或系统 python3）
python3 -m venv .venv

# 2. 激活虚拟环境
source .venv/bin/activate          # macOS / Linux
# .venv\Scripts\activate           # Windows

# 3. 安装项目（editable 模式，依赖自动解析）
pip install -e ".[dev]"            # 含 dev extras（pytest/black/ruff/mypy）

# 4. 配置 LLM API（可选，仅在调用 LLM 时需要）
cp .env.example .env               # .env 已在 .gitignore 中
# 编辑 .env 填入 MINIMAX_API_KEY=sk-...

# 5. 验证安装
python experiments/scripts/m2_w1_cta_basics_validation.py   # CTA 数学骨架
python experiments/scripts/m2_w1_llm_client_smoke.py         # LLM 客户端

Phase 4 起 Product Demo 形态：启动 Flask 后直接在浏览器答题，无需手动跑验证脚本。 v0.96 起前端为 React SPA（学生端 + 教师端双页，Vite build → web/frontend/dist/，Flask 托管）。 详细使用说明见 docs/web-ui-quickstart.md。以下为快速入口。

# 1) 先构建前端产物（dist/ 已 gitignore，首次必须构建一次）
cd web/frontend && npm install && npm run build && cd ..

# 2) 启动 Flask（端口 5173，debug 模式，改代码自动重载）
ECOS_DUAL_AGENT_ENABLED=1 python -m web.api.app

前端开发模式（热更新）：后端照常跑在 5173，另开终端 cd web/frontend && npm run dev → Vite 5174（proxy /api → Flask 5173），学生端 http://localhost:5174/student.html、教师端 http://localhost:5174/。

ECOS_DUAL_AGENT_ENABLED 默认关闭（"0"）。设为 1 才走 dual_agent（CTA+LCA 协同）路径； 不设则只走老路径，dual_agent 不启用、v0.69.0 confidence 指标也不跑。 启动日志看到 DualAgentOrchestrator 初始化完成 (DUAL_AGENT_ENABLED=True, ...) 即确认已启用。 想在本 session 持续生效可先 export ECOS_DUAL_AGENT_ENABLED=1 再启动。

ECOSLLMClient.from_env(provider="...") 支持两个 provider：

.env 文件会在 from_env() 调用时自动加载，无需手动 source。

当前状态: v0.96.0 应用层产品化 (React 双端) 全部完成, 方向审查收口 (Kernel 收口 + 抽象推演冻结 + 验证欠债显式化)。 下一阶段: v0.97 家长端 + 验证主线 (per discussions/2026-08-17-v095方向审查-验证滞后于抽象与应用层产品化规划.md §四).

• SelfLab（兄弟项目）：github.com/cnbison/SelfLab
  • SGE（Self Genesis Engine）—— AI 自我涌现引擎
  • 共享 7 个认知科学工具箱

• 发起人：Bisen
• 协作：Claude Code

MIT License

创建日期：2026-06-24 当前版本：v0.96.0（2026-08-18 应用层产品化 React 双端：教师端 v0.95 + 学生端 v0.96；Kernel 深化 v0.83-v0.94 收口；验证主线 v0.97 启动）