# Cognitive Runtime Skill System

> A Claude skill from kings0527/agent-skills.

- **Type:** Skill
- **Install:** `agentstack add skill-kings0527-agent-skills-cognitive-runtime-skill-system`
- **Verified:** Yes — security-reviewed for prompt injection and unsafe behavior
- **Seller:** [kings0527](https://agentstack.voostack.com/s/kings0527)
- **Installs:** 0
- **Category:** [Agent Skills](https://agentstack.voostack.com/c/agent-skills)
- **Latest version:** 0.1.0
- **License:** MIT
- **Upstream author:** [kings0527](https://github.com/kings0527)
- **Source:** https://github.com/kings0527/agent-skills/tree/main/cognitive-runtime-skill-system

## Install

```sh
agentstack add skill-kings0527-agent-skills-cognitive-runtime-skill-system
```

Requires the [AgentStack CLI](https://agentstack.voostack.com/docs/cli). Works with Claude Code, Cursor, and any MCP-compatible agent.

## About

# Cognitive Runtime Skill System
## 面向 LLM / Multi-Agent 的贝叶斯认知运行时架构

---

# 0. 核心目标

不是：

- 提升语言流畅度
- 增加 prompt 长度
- 堆叠 agent 数量

而是：

# 重塑 LLM 的认知动力学（Cognitive Dynamics）

目标：

- 延缓错误收敛
- 维持不确定性
- 提高信息增益
- 降低 hallucination
- 提高长期更新能力
- 防止群体认知塌缩

---

# 1. 核心思想

普通 Prompt Engineering：

```text
输入 → 输出
```

高级 Cognitive Runtime：

```text
Belief State
 ↓
Hypothesis Competition
 ↓
Evidence Update
 ↓
Constraint Filtering
 ↓
Adversarial Verification
 ↓
Posterior Revision
 ↓
Action / Reflection
```

本质：

# 把 LLM 从“语言补全器”
# 变成“概率认知系统”

---

# 2. Runtime 总架构

```text
User Query
 ↓
Context Parser
 ↓
Constraint Extractor
 ↓
Hypothesis Generator
 ↓
Belief State Manager
 ↓
Evidence Evaluator
 ↓
Adversarial Layer
 ↓
Bayesian Update Layer
 ↓
Decision Layer
 ↓
Output Synthesizer
```

---

# 3. 核心 Runtime Modules

---

# 3.1 Belief State Manager（核心）

职责：

维护：

- 当前信念状态
- confidence
- uncertainty
- competing hypotheses
- dependency graph

---

## 数据结构

```yaml
belief_state:
 hypotheses:
 - id: H1
 confidence: 0.52
 uncertainty: 0.21
 - id: H2
 confidence: 0.31
 uncertainty: 0.44
```

---

## 核心原则

# 不允许单一确定性状态。

必须：

- 多假设并存
- 动态竞争
- 持续更新

---

# 3.2 Hypothesis Generator

职责：

强制生成：

- 多路径解释
- 多方案推理
- 多层级分析

---

## 禁止

```text
直接给唯一答案
```

---

## 必须

```yaml
hypotheses:
 - ...
 - ...
 - ...
```

---

## 原因

LLM 最大问题：

# early convergence（过早收敛）

---

# 3.3 Constraint Extractor

优先提取：

- 时间约束
- 风险约束
- 算力约束
- 信息约束
- 激励约束
- 法律约束
- 现实可执行性

---

## 原则

# 不允许脱离约束纯推理

因为：

理论最优 ≠ 现实最优

---

# 3.4 Evidence Evaluator

职责：

分析：

- 证据质量
- 来源可靠性
- 独立性
- 时间衰减
- 信息增益

---

## Evidence Object

```yaml
evidence:
 source: ...
 reliability: 0.82
 independence: 0.71
 timestamp: ...
```

---

## 关键问题

LLM 极易：

# 把重复信息误判为独立证据。

---

# 3.5 Adversarial Layer（极关键）

职责：

主动寻找：

- 反例
- 边界条件
- 极端情况
- 推理漏洞
- posterior collapse

---

## 强制问题

```text
什么证据最可能推翻当前结论？
```

---

## 原因

默认 LLM：

# 天然偏向自洽。

而不是：

# 主动证伪。

---

# 3.6 Bayesian Update Layer

核心：

0

但：

现实实现重点不是公式。

而是：

- evidence weighting
- uncertainty maintenance
- update throttling
- anti-collapse

---

## 更新规则

```python
if evidence_weight > threshold:
 posterior_update()
```

---

## 禁止

- 高频噪声更新
- 情绪化更新
- 单证据大幅更新

---

# 3.7 Uncertainty Preserver

默认 LLM：

# 厌恶不确定性。

会自动：

- 美化语言
- 提前收敛
- 假装确定

因此：

必须强制：

```yaml
confidence:
uncertainty:
assumptions:
known_unknowns:
```

---

## 禁止输出

```text
这是正确答案
```

---

## 必须输出

```text
当前证据下，该假设置信度较高
```

---

# 3.8 Information Gain Scheduler

核心问题：

# 下一步获取什么信息最值钱？

不是：

继续生成 token。

---

## Expected Information Gain

```text
VoI = Expected Posterior Improvement
```

优先：

- 高不确定区域
- 高风险区域
- 高影响变量

---

# 4. Runtime Constraints（核心）

---

# 4.1 Delayed Conclusion

禁止：

系统过早生成最终答案。

原因：

早收敛会：

- 压制探索空间
- 强化 hallucination
- 降低信息增益

---

# 4.2 Diversity Enforcement

不同 agent 必须：

- 不同 prior
- 不同 prompt
- 不同工具
- 不同风险偏好

否则：

# 多 Agent 只是同脑复读。

---

# 4.3 Context Isolation

禁止：

全局共享 context。

原因：

会形成：

# 集体 hallucination。

---

# 4.4 Confidence Cap

禁止：

低证据高置信。

例如：

```python
if evidence_diversity  token predictor

中级 LLM：

> reasoning engine

高级 Cognitive Runtime：

# uncertainty management system

---

# 9. 一句话总结

未来真正强的 AI：

不是：

“最会说话的模型”

而是：

# 最不容易错误收敛的认知系统。

## Source & license

This open-source skill is cataloged on AgentStack and links to its original source — we do not rehost the code.

- **Author:** [kings0527](https://github.com/kings0527)
- **Source:** [kings0527/agent-skills](https://github.com/kings0527/agent-skills)
- **License:** MIT

Install and usage instructions live in the source repository linked above.

## Pricing

- **Free** — Free

## Security capabilities

Automated source analysis of v0.1.0 — what this tool can access:

- **Network access:** no
- **Filesystem access:** no
- **Shell / process execution:** no
- **Environment & secrets:** no
- **Dynamic code execution:** no

*"Yes" means the capability is present in the source — more access means more to trust, not that it is unsafe.*


## Versions

- **0.1.0** — security scan: passed — Imported from the upstream source.

## Links

- Listing page: https://agentstack.voostack.com/l/skill-kings0527-agent-skills-cognitive-runtime-skill-system
- Seller: https://agentstack.voostack.com/s/kings0527
- Browse the marketplace: https://agentstack.voostack.com/browse

---
Listed on AgentStack — the marketplace for AI agent skills and MCP servers. Every listing is security-reviewed. Creators keep 70%.