MindScript：MindsEye 的语言层（Ledger-First Automation、Domain Dialects 和 Searchable Memory）

Source: Dev.to

MindsEye 是自动化引擎。

MindScript 是为其提供可用“语音”的语言层。
如果 MindsEye 是神经系统，MindScript 就是 意图语法——一种结构化描述应当发生何事的方式，具备护栏、来源追溯以及领域特定词汇。

本文将 MindScript 介绍为：

• 一个 可编程提示语言（是的，提示语言——但具备结构）
• 一个 账本优先执行模型（可追溯性是默认，而非可选）
• 一个 多领域方言系统（每个自动化都可以拥有自己的“公司本土语言”）
• 一个 可搜索记忆层（跨模板、账本、运行时输出的语义检索）

Repo Index (Core + Demos)

MindScript 层

• mindscript-core
• mindscript-templates
• mindscript-ledger
• mindscript-runtime
• mindscript-search
• mindscript-demos

MindsEye 层（精选）

• mindseye-workspace-automation
• mindseye-google-ledger
• mindseye-google-workflows
• minds-eye-core
• minds-eye-search-engine
• minds-eye-dashboard
• minds-eye-automations

1) MindScript 带来了什么（以及它为何重要）

大多数自动化栈要么是：

• GUI‑first（类似 Zapier）且难以进行版本控制，或
• code‑first（自定义脚本）且难以作为活的系统来运营。

MindScript 处于两者之间：

• ✅ 声明式、可由人编写
• ✅ 结构化到可以编译的程度
• ✅ 足够安全以供审计
• ✅ 足够灵活以便演进

核心理念

自动化共享同一运行时 + 账本，但每个自动化都有自己的语言表层。

因此你可以拥有财务、招聘、合规和客户支持等方言——全部运行在同一个内核上。

2) MindsEye + MindScript 架构（账本优先、方言驱动）

思维模型

• MindScript → 编译成 阶段
• 阶段 → 由领域自动化执行
• 每个阶段 → 写入一条账本记录
• 账本 → 可搜索记忆（语义 + 结构化搜索）

图示：端到端流程

flowchart TD
  A[Human Intent] --> B[MindScript Text]
  B --> C[Compiler / Parser]
  C --> D[Stages: typed + constrained]
  D --> E[Runtime Executor]
  E --> F[Ledger Append]
  F --> G[Search Index]
  G --> H[Recall + Reuse + Replay]

关键点

账本即真相。
它记录了实际写入的内容——带时间戳、标签且可复现——而不是代理声称发生的事情。

3) 一个最小的 MindScript 示例

ledger(debit:AR, amount:1200 USD)

search{domain:docs, query:"ledger best practices", top_k:5}

task build-report uses analytics after search

metric coverage = agg(count(unique(accounts)))

这段脚本混合了：

• 财务记账
• 语义搜索
• 编排
• 分析

…却没有变成意大利面条，因为 方言防止了混乱。

4) 背后的代码结构（我们实际在构建的东西）

模式：
Dialect → Automation → Shared Runtime → Ledger Entry → Searchable Memory

架构草图（Python）

# docs/mindseye_architecture.py (concept sketch)

# Immutable LedgerEntry
# Dialects validate + parse
# Automations execute stages
# Runtime remains domain‑agnostic

# NOTE: this is an architectural reference. Implementation lives across the repos.

图示：内核 vs. 领域

flowchart LR
  subgraph Kernel[MindsEye Kernel]
    R[Runtime Executor]
    L[Ledger]
    S[Search Index]
  end

  subgraph Domains[Domain Automations]
    F[Finance Dialect + Automation]
    O[Orchestration Dialect + Automation]
    A[Analytics Dialect + Automation]
    Q[Search Dialect + Automation]
  end

  F --> R
  O --> R
  A --> R
  Q --> R
  R --> L --> S
  S --> R

内核保持稳定；领域可以快速演进。这就是全部意义所在。

5) Codex 提示（用于在扩展中生成系统）

提示 1 — 构建 MindScript 编译器 + 阶段模型

目标： 将 MindScript 解析为带类型的阶段，并检测歧义。
生成一个 Python 包 mindscript_core，实现：

• Stage, Program, LedgerEntry（不可变负载 + 标签）
• compile_mindscript(source: str, registry)，逐行解析，将每行匹配到恰好一个自动化方言，若出现歧义则抛出异常，并在 program.automations 列表中保存

包含单元测试，验证：

• 财务行仅匹配财务方言
• 搜索行仅匹配搜索方言
• 歧义行会抛出

提供整洁的文件夹结构、pyproject.toml 与测试。

提示 2 — 构建插件注册表 + 方言版本系统

目标： 自动化插件注册方言；方言血统得以保留。
生成 Python 模块，实现：

• DialectRegistry，支持同一方言名称的多个版本、活动版本指针，以及 evolve() 方法用于在不删除旧版本的情况下注册新版本
• AutomationRegistry，用于注册 AutomationPlugin 并确保方言可被发现

添加 dialect_lineage_example()，演示方言从 v1 → v2 演进，而运行时仍能验证旧程序。包含类型提示和测试。

提示 3 — 构建账本优先运行时 + 回放引擎

目标： 所有操作都写入账本；可以确定性回放。
生成运行时引擎包 mindscript_runtime，包括：

• ExecutionContext，包含账本列表、共享内存字典以及递归深度安全限制
• run(program)，通过方言验证、通过自动化执行，并记录账本条目
• replay(ledger_entries)，重建状态，检查账本顺序和完整性

提供一个演示：运行程序后再回放。

提示 4 — 构建 mindscript-search 索引用于“时间回忆”

目标： 索引模板、账本、运行时输出；快速检索。
生成名为 mindscript_search 的服务，包含：

• CLI 与最小化 API
• 对源模板、账本条目和运行时输出的索引
• 支持语义和时间查询

（实现细节此处略。）