J-Space Cognition Suite

J-Space Cognition Suite 是一套以 Skill 形式封装的推理时（Inference-time）控制系统，增强 AI 智能体在深度推理、长程工作、工具调用、验证与恢复方面的能力。它不改变模型权重或训练过程，而是通过组织和管理智能体的“工作空间”，提供一套跨平台、低摩擦集成的认知增强协议。

核心架构

J-Space 由一个入口、九个按需加载的模块、三份支撑资料以及一个可选的标准库控制器组成：

• 🚪 入口门控：自动根据任务复杂度选择最轻量的运行模式（Pass）。
• 📦 九大模块：涵盖选择性工作空间加载、广播枢纽、稠密轨、结论前桥接推理、元认知控制等核心机制。
• 📝 支撑资料：提供必要的参考文档与规范。
• 🎛️ 可选控制器 (jspace.py)：负责将长任务状态外化到 .jspace/ 目录，记录账本、Checkpoint 和接缝，但不参与解法选择。

三种运行模式 (Pass)

核心认知机制

• 选择性工作空间加载：仅保持 1-2 个承重概念活跃，其余外化保存，降低认知负荷。
• 广播枢纽：确保所有依赖分支共享名称、数值、约束和风格锚点，维持一致性。
• 稠密轨：使用紧凑的内部记法承载长链条推理，最终转化为清晰的外部语言。
• 元认知控制：将置信度、不一致和失败信号路由为明确的下一步动作。
• 经验逃逸与验证：将停滞的推导转化为有边界的测试，并记录验证方式。
• 第一人称能动性：通过 “I”, “we”, “let’s” 等语言将工作空间状态绑定到后续动作。

快速开始

方式 A：手动安装

1. 克隆仓库并找到宿主的用户级 Skills 目录。
2. 将 j-space/ 目录完整复制进去，确保 SKILL.md 位于根路径。
3. 运行完整性检查：python3 <Skills 目录>/j-space/scripts/verify_suite.py。

方式 B：让 AI 安装

向具备文件访问能力的 AI 发送以下指令：

“请从 https://github.com/Tiger3807861189/J-Space-Cognition-Suite-V3.6 安装 J-Space Cognition Suite。确认宿主 Skills 目录，保持相对结构安装 j-space/，运行 verify_suite.py 校验，并说明如何调用。”

可选控制器用法

控制器 jspace.py 用于管理长任务状态，常用命令包括：

• note --goal "..." --next "..."：定义目标与第一步。
• note --check "..." --by "..."：记录 Checkpoint 及验证方式。
• seam：重读当前状态并报告变化。
• ship FILE：检查输出文件的寄存器泄漏和失效特征。
• resume：在长间隔后重新加载前提、不变量和账本。

性能表现

在 DeepSeek V4-Flash-0731 等模型上的评测显示，J-Space 显著提升了复杂任务的处理能力：

• HLE (有工具)：从 51.5 提升至 60.6。
• NL2Repo：从 54.2 大幅提升至 70.2。
• 效率优化：速度提升 2.53倍，Token 成本降低 2.21倍。