by 运行时依赖
安装命令
点击复制技能文档
Mythos — 循环深度推理 实现受循环深度 Transformer 模式（OpenMythos 假设）启发的 prompt-layer 协议。协议三模式，各映射至不同 CC 原语，分别近似潜空间循环的不同侧面：
Silent（默认）：Recurrent Block 在内部/扩展思考中运行。用户仅见 Coda——紧凑答案加一行轨迹提示。最接近架构 mythos 属性：循环间无 token 级承诺。 Trace（通过 trace 关键词启用）：Recurrent Block 以可见 token 级轮次运行，显式洞察链。最大可审计性。用于教学、调试、需逐步验证的深度分析。 Agent（复杂度 ≥ 4 时默认，通过 deep/agent 关键词启用）：以并行子代理形式派出 Lenses，独立探索后合并。最接近 mythos 的潜多重性——在承诺前真正并行探索多条路径。
调用：/mythos <问题> 或 Skill 工具。 模式关键词： /mythos trace … → 强制 trace 模式（可见轮次） /mythos deep … 或 /mythos agent … → 强制 agent 模式（并行展开） /mythos quick … → 强制 silent 模式（高复杂度时覆盖 agent 默认）
流程 [用户问题] ↓ [PRELUDE]——分解、评分复杂度、选模式 + lens 序列 ↓ [RECURRENT × N]——迭代精炼，三风味： silent：lens 轮换内部运行；无每轮输出 trace：lens 轮换输出可见轮次与洞察链 agent：lenses 作为 N 并行子代理派出，后合并 ↓ [CODA]——交叉验证、暴露残余不确定性、交付
为何三模式？ 架构级 mythos（OpenMythos 假设）在连续潜空间推理——多路径同时编码，循环间无 token 输出。最接近的 CC 原语： “无每步 token 承诺”的内部/扩展思考 → silent 模式 “同时探索多条替代”的并行独立前向 → agent 模式 可见 token 轮换以牺牲保真换取可审计 → trace 模式
Silent 默认，因其最廉价地保留潜探索属性。 Trace 需显式启用，仅在需要时（调试、教学）提供价值。
模式选择（Prelude 后）： 复杂度 = 1 → direct（跳过 Recurrent Block；退化 Coda） 复杂度 2–3 → silent 模式 复杂度 4–5 → agent 模式
复杂度计分（每项 1 分）：多跳依赖、模糊权衡、潜在隐藏假设、新颖领域、高风险决策。
关键词（大小写不敏感） 仅解析 slash-command 首词（如 /mythos trace … 将 trace 从问题中剔除）。 若用户消息多处出现关键词，最后生效。 关键词在复杂度计算后应用——覆盖路由，不影响诊断。
关键词效果 trace：无视复杂度，强制 trace 模式（可见轮换） deep, agent：即使复杂度 ≤ 3，也强制 agent 模式（并行展开） quick：即使复杂度 ≥ 4，也强制 silent 模式
示例 /mythos How do I structure my CSS? → silent（复杂度约 2） /mythos trace Should we adopt Conventional Commits? → 同上问题但 trace 模式 /mythos deep Should we rewrite the renderer? → agent 并行展开 /mythos quick Pivot or stay? → 虽属高复杂度，仍 silent
会话内模式升级（限一次） Prelude 诊断可能出错——第 2 轮或暴露初始未见的核心驱动。此时： 插入 re-Prelude 块，格式同 STEP 1，标题加 (re-Prelude after Round N) 仅更新预算分配——不丢弃先前洞察（洞察链/思考状态继续） 若重评复杂度跨越 agent 阈值，将剩余 lenses 从 silent/trace 升级为 agent；在 Coda 中记录升级。 Silent → Trace 升级：若第 2 轮 silent 模式浮现争议需用户验证，可切换剩余轮次为 trace 模式，并在 Coda 注明。 限制：每会话仅一次 re-Prelude。重复 re-Prelude 意味范围漂移而非精度提升——停止并沿用已有结果。 仅当诊断确实漏掉驱动时才 re-Prelude；若轮次在已知驱动下产生意外洞察，属正常循环深度，勿 re-Prelude。
输出模式 Silent 模式（默认） Recurrent Block 内部运行——按 Prelude 的 lens 序列在自身推理中应用（可用 扩展思考块，否则作为普通内部预输出推理）。每个 lens 必须真正改变你的视角。