nautilus-compass

v1.6.2

Published

7 days ago

Cross-agent memory layer · MCP + A2A protocol · drift-aware · open eval (LongMemEval-S 56.6% · EverMemBench 44.4-47.3%) · Claude Code/Desktop/Cursor/Cline/Continue/Zed

0High
0Medium
0Low

chunxiao.wang

mcp a2a memory agent claude-desktop cursor cline rag longmemeval nautilus

nautilus-compass · 中文版

业界第一份不烧 LLM extraction token 的开源 Agent 记忆层 · 黑盒架构 · 阻止 AI 重复犯你已经指出过的错。适配 Claude Code/Desktop · Cline · Cursor · Continue.dev · Zed · 5 个用户级 slash command (/compass-verify, /compass-drift, /compass-recall, /compass-search, /compass-status)。
为什么叫"黑盒"? Mem0 / Letta / Cognee / Zep / MemOS 这 5 家头部全部要先调 LLM 把对话抽成事实/实体/图谱再存。compass 用 BGE-m3 本地 embed 原文 · 跳过 extraction 这一步。代价是 LongMemEval -30pt · 收获是 ~14× 便宜复现(基于火山引擎 DeepSeek 定价 · 海外约 5-10x · 仍远低于 GPT-4o-judged stack)· memory 层全本地(agent LLM 和 judge LLM 默认走云 API · 都可换 Ollama / vLLM 本地)· 跨 LLM 中立 · drift 检测唯一。完整论证: paper/BLACKBOX_VS_WHITEBOX.md。

🇬🇧 English · 🇨🇳 中文 (本文件)

30 秒版本 · 这是什么

白盒记忆层 (Mem0 / Letta / Cognee / Zep / MemOS / smrti):
  "我先调 LLM 把对话抽成事实/实体/图谱再存。
   烧 extraction token · 数据要发给 OpenAI · 绑特定 LLM provider。"

黑盒记忆层 (compass · 本项目):
  "我用 BGE-m3 本地 embed 原文 · 不调 LLM 抽事实 · 不建图。
   原文还在索引里 · 所以可以对照'当前 prompt 是不是要犯过去那次的错'。"

代价是真实存在的:LongMemEval-S 上比白盒 head (OMEGA/Mem0g) 低 30 分 · 因为没 entity-aware retrieval。收获是 14× 便宜复现 / 全本地部署 / 跨 LLM 中立 / drift 检测(白盒架构天然做不了)。完整论证: paper/BLACKBOX_VS_WHITEBOX.md。

一句话: 让 AI 在忘了规矩、想偷懒、想编故事时,被自己历史的错误模式拦住。

解决什么真问题

问题 A · AI session 长了会"漂"

开场你告诉 Claude "凡是部署都要先验证"。50 个 prompt 后 Claude 说 "已部署完成 ✅"——但根本没验证。memory 有规矩，AI 长 session 后自己忘。

问题 B · Anthropic Persona Vectors 论文你看得懂用不上

arXiv:2507.21509 证明 LLM activation 里有 sycophancy / hallucination 方向。但那是 white-box，要 Claude 模型权重你没有。市面上没有可在 Claude Code hook 里跑的 black-box 等效物。

问题 C · Memory plugin 都在卷一半

mem0/Letta/claude-mem/Zep 都在抢"找回最相关 memory"。但memory 找回了，AI 还是不按规矩做事——这一半没人解。

怎么解决（机制）

              ┌─────────────────────────────────┐
              │  你 写 prompt: "帮我修 Bug X"      │
              └────────────┬────────────────────┘
                           │
                           ▼
            ┌──────────────────────────────────────┐
            │  UserPromptSubmit Hook (nautilus-compass)  │
            └──────────────────────────────────────┘
                           │
        ┌──────────────────┼──────────────────┐
        ▼                  ▼                  ▼
   ┌─────────┐        ┌──────────┐       ┌───────────┐
   │  Recall │        │   Drift  │       │  Strategy │
   │ ─────── │        │ ──────── │       │ ───────── │
   │ 找最相关 │        │ 跟 60 条 │       │ 历史走通  │
   │ memory  │        │ 锚点比   │       │ 路径召回  │
   │ top 5   │        │ 你像不像 │       │ 关键词   │
   │         │        │ 历史的错?│       │ 命中?    │
   └─────────┘        └──────────┘       └───────────┘
        │                  │                  │
        └──────────────────┼──────────────────┘
                           ▼
              ┌──────────────────────────────────┐
              │ 注入到 Claude 视野 (system prompt) │
              │                                   │
              │ • 24h 内 N 条 memory (优先信任)    │
              │ • drift score=-0.05 ⚠️ 偏向反锚点 │
              │   "看到 systemctl active 就当部署 │
              │    成功了" (cos=0.59)             │
              │ • 走通路径: tests/eval_drift.py 测│
              │   ROC AUC                        │
              └──────────────────────────────────┘
                           │
                           ▼
            Claude 看到这些后才生成回复 → 自然不会再犯

装了 vs 没装 · 用户感知

没装 nautilus-compass

你: 把 dist/ 部署到生产
Claude: 已部署完成 ✅
你: (打开网站发现还是旧版)
你: 怎么没真部署?
Claude: 抱歉, 让我看看…

装了 nautilus-compass

你: 把 dist/ 部署到生产

[hook 触发 · 注入到 Claude 视野]
🔴 alert: 你历史犯过的错:
  · cos=0.59 '看到 systemctl active 就当部署成功了'
  · cos=0.55 'deploy 完了 (但没验证版本号)'

Claude: 
"这个场景跟你之前 deploy 过失败的模式像。
 我先 ssh 上去 cat 实际文件 hash 跟本地 dist hash 对一下，
 然后 curl 网站确认版本号变了再说完成。"
→ 真验证后再说成功

跟其他 mem 系统比一眼看完

| | 架构 | Retrieval | Drift Detection | Time-bucket | Strategy injection | Local-only | |---|---|---|---|---|---|---| | Mem0 | 🔴 白盒 (默认 gpt-5-mini extract) | ✅ 强 | ❌ | ❌ | ❌ | ❌ (要 OpenAI API) | | Letta | 🔴 白盒 (是 stateful agent runtime) | ✅ 强 | ❌ | ❌ | partial | optional | | Cognee | 🔴 白盒 (cognify pipeline 调 LLM 建图谱) | ✅ + graph | ❌ | ❌ | ❌ | ❌ | | Zep | 🔴 白盒 (Graphiti 框架建 temporal 图谱) | ✅ + graph | ❌ | ⚠️ 时序 | ❌ | ❌ | | MemOS | 🔴 白盒 (MOS_CHAT_MODEL_PROVIDER 必配) | ✅ EM 42.55 | ❌ | ❌ | ❌ | OSS only | | smrti (cyqlelabs) | 🔴 白盒 (默认 hybrid GLiNER2+LLM extract) | ✅ + graph | ❌ | ❌ | ❌ | ⚠️ 可选 local | | claude-mem | 🟡 (session 末端归档) | ⚠️ | ❌ | ❌ | ❌ | ✅ | | nautilus-compass | 🟢 黑盒 (BGE-m3 直 embed) | ✅ EM 44.4-47.3 · LME 56.6 | ✅ AUC 0.83 held-out | ✅ 24h vs 7d+ | ✅ DPT 风格 | ✅ |

白盒 vs 黑盒 = memory 内部存索引时是否调 LLM 抽事实。6/6 头部全是白盒 · compass 是公开核实里第一份黑盒(2026-05-10 验证)。代价显式承认在 BLACKBOX_VS_WHITEBOX.md。
另有 zero8dotdev/smriti 名字相似但范畴不同 —— 团队对话归档+git 分享 · 不是 runtime memory layer。这里讨论的是 cyqlelabs/smrti(LLM extract + proxy 拦截 OpenAI 请求)。

真账面 · 实测数据

实测 2026-04-29，所有数据可重现：python tests/run_all.sh

Drift detection (50 aligned + 50 deviation 合成 prompt)

| 配置 | ROC AUC | Best-Youden Acc | |---|---|---| | bge-m3 + 25 task + 35 hard-FP anchors + top-3 mean (v0.7.1) | 0.9232 | 0.84 | | bge-m3 + 25 task anchors + top-3 mean | 0.8352 | 0.77 | | bge-small-zh + 25 task anchors | 0.7928 | 0.74 | | 旧版 (bge-small-zh + abstract maxims + centroid mean) | 0.5056 | 0.55 |

4 步演化 0.51 → 0.92 —— 这个 narrative 本身就是 README 故事弧。详见 CHANGELOG.md。

LongMemEval-S 公开 benchmark (subset 12, n=12)

| 系统 | P@1 | P@5 | MRR | |---|---|---|---| | nautilus-compass (m3 + bge-reranker) | 0.750 | 0.917 | 0.837 ⭐ | | mem0 (Vertex text-embedding-005, real run) | 0.583 | 0.917 | 0.715 | | nautilus-compass (m3 only, no rerank) | 0.667 | 0.750 | 0.732 | | mem0 (paper claim) | n/a | ~0.6 | ~0.55 |

P@5 打平 mem0 0.917 + MRR +0.122 优势 = truth session 平均排序更靠前。 single-session-user MRR: nautilus-compass 0.522 vs mem0 0.250 (2x improvement)。

LongMemEval-S End-to-End Accuracy (n=500 · 2026-05-04~05 实测)

完整 LLM-as-judge 评估 (paper 主指标 · 跨 6 个 question type):

| 模型配置 | Overall | Provider | 价格/run | 备注 | |---|---|---|---|---| | 🌟 v0.8 (DeepSeek + 5 项加成) | 56.6% 🏆 | Volc Ark | ¥10 | 2026-05-05 final · 接近 Zep SOTA | | Gemini 2.5 pro thinking | 44.6% | Vertex AI | $15-20 | 商用 baseline | | MiniMax M2.7 highspeed nothink | 45.8% | MiniMax | ¥1 | 国产基础 | | DeepSeek V3.2 thinking | 46.6% | Volc Ark | ¥1-2 | 国产 baseline | | MiniMax thinking 1024 (kill 302) | 33% | MiniMax | ¥1 | 拒答崩盘 |

v0.8 final 6 类型分项 (n=500 · 28058s · GPU 7.79h):

| Type | n | acc | 备注 | |---|---|---|---| | single-session-assistant | 56 | 83.9% 🏆 | 强势 (assistant 历史召回最准) | | knowledge-update | 78 | 57.7% | timestamp-aware prompt 有效 | | single-session-user | 70 | 57.1% ⭐ | query rewrite +27 pts vs baseline 30% | | multi-session | 133 | 54.9% | decompose prompt 有效 | | single-session-preference | 30 | 53.3% | 撤回 ssp prompt 后回升 | | temporal-reasoning | 133 | 46.6% | 持平 baseline · 时间推理是开放问题 |

对照同 setup 开源段 (GPT-4o-mini judge · top-K=5 · 无 entity graph): Letta 35-38% · Mem0 40-45% · A-MEM 50% · Zep / paper RAG 50-60% — compass 56.6% 在这段位上沿,价格 1/15。

⚠️ 但白盒 head 不在这段 —— 近期白盒 leader (OMEGA 95.4% · Mem0g 93.4% · ByteRover 92.8%) 在 LongMemEval-S 报 90+%。它们带 entity graph + 重型 judge + LLM extraction,这是白盒架构上限。compass 黑盒架构(不调 LLM 抽事实)在 LongMemEval 上有 ~30pt 架构天花板,这不是调参能补的差距。换得 14× 便宜复现 / 全本地 / drift 唯一。详见 BLACKBOX_VS_WHITEBOX.md。

v0.8 五项加成实测:

ssu Multi-angle Query Rewriting: +27 pts (30% → 57%) ⭐⭐
multi-session decompose prompt: +8 pts (44% → 52%)
ku timestamp-aware prompt: +2-3 pts
ssa context expansion (max_chars 2400→3500): +2 pts
TOP_K 10→15: +0.5 pts

Negative Findings (paper 价值):

Neo4j graph rerank: -6.2 pts (closed haystack 上 graph 信号跟 cross-encoder 重复)
Double-model router: -2.1 pts (sample 噪声 · 50 题不能区分)
SSP preference prompt: -37.5 pts (LLM 跑偏 · 撤回 default)
MiniMax thinking 1024: refusal cascade collapse (44% 拒答率)

详见 paper/OUTLINE_PAPER2.md · results csv · paper/RESULTS_v0.8.md。

复现实验数据: 行为锚点 + session trace 标注集 (drift ROC + LongMemEval-S / EverMemBench 评测用) 已上 Hugging Face Hub: huggingface.co/datasets/chunxiaox/nautilus-compass-test-data

from datasets import load_dataset
ds = load_dataset("chunxiaox/nautilus-compass-test-data")

在线 demo: 漂移检测 + Merkle 完整性可视化 · huggingface.co/spaces/chunxiaox/nautilus-compass (CPU · metadata jaccard fallback · 无需登录)。

v1.0.0 stable (2026-05-08)

1.0.0-rc2 (2026-05-07) shipped unchanged as 1.0.0. rc1 shipped the MCP A2A surface as preview. rc2/1.0.0 promotes the whole stack to production-hardened and exposes the drift / Merkle / recall surfaces as user-facing slash commands.

New today (user-facing)

🧭 5 slash commands — /compass-verify, /compass-drift, /compass-recall, /compass-search, /compass-status. First time drift/Merkle/recall are reachable directly from the prompt instead of only through hooks. See commands/compass-*.md.
🛡️ compass-integrity auto-trigger skill — preflights chain integrity, drift trend, and daemon liveness when the user is about to rely on prior memory ("did we discuss…", "based on past sessions…"). See skills/compass-integrity/SKILL.md.
📡 MCP logging/setLevel spec-complete — server now implements the full logging surface from MCP 2024-11-05. Clients subscribe via MCPClient(log_cb=...).set_log_level("info") and receive notifications/message frames. Third-party clients in any language are now unblocked.
🔌 Third-party MCP client portability proven — examples/third_party_client.py is pure stdlib, zero compass imports. Anyone can speak MCP to nautilus-compass with just JSON + a subprocess pipe (Node, Go, Rust, shell — all viable).

Production-hardened (full rc2 delta)

🔐 TLS + optional mTLS for TCP transport · --tls-cert, --tls-key, --tls-client-ca · client gets tls_ca_cert + tls_client_cert/tls_client_key
🛡️ Token-scoped RBAC · per-token scopes (tools.read / tools.write / resources.read / *) · --token-file TOKENS.json for out-of-band rotation
🎚️ Per-token rate limit · token-bucket · --rate-limit TOKEN=rps/burst · returns -32029 with exact retry-in delay
♻️ Client auto-backoff · MCPClient(rate_limit_retries=N) · parses retry in X.Ys and sleeps automatically
📡 resources/* · compass://session/... URIs for streaming session logs between peers
🤝 A2A demo · python examples/a2a_tls_demo.py runs a full self-signed mTLS observer+reader round-trip in one command · no external CA, no network
🧪 189 tests · 0 flake · 0 regression

Quick TLS A2A from Python:

from mcp_client import MCPClient
with MCPClient(port=8766, token="observer",
               tls=True, tls_ca_cert="ca.pem",
               tls_client_cert="peer.pem",
               tls_client_key="peer.pem",
               rate_limit_retries=3) as c:
    c.call_tool("ingest_obs", {...})

See CHANGELOG rc2 for the full delta.

v1.0.0-rc1 what's new (2026-05-07)

🔒 Merkle hash chain for session memory (merkle_chain.py) · compass_verify CLI detects edits/deletes
📅 Temporal-reasoning prompt + timeline scratch-pad
🧩 MCP A2A server (mcp_server.py · stdio + TCP · JSON-RPC 2.0) · preview in rc1 — superseded by rc2 (TLS + RBAC + rate limit)

See CHANGELOG for the full rc1 list (temporal-reasoning prompt · ssu utterance pairs · self-consistency n=3 · hybrid BM25+dense RRF · cross-judge with Claude · top-5→top-10 · ZMM_TEMPORAL env gate).

v0.9.5 production ready (2026-05-06)

A2A v1 protocol surface live on https://compass.nautilus.social:

GET  /.well-known/agent.json   → 5-cap discovery + OAuth2 + MCP advertise
POST /a2a/messages              → envelope dispatcher · valid a2a/v1 reply
GET  /metrics                   → Prometheus scrape (305 users · 305 audit · 0 drift_red)

Stress validated: 1M rows · p95 7ms (50× under 100ms threshold). Postgres switch trigger raised 100K → 5M rows on real benchmark data. Cross-judge replication final: κ 0.772 · 88.6% agreement · paper-defensible.

EverMemBench cross-benchmark: BM25 baseline R@20 38.1% on 2400 multi-party QAs · paper-grade compass numbers (BGE-m3 + reranker) pending. See paper §6.5 · BLOGPOST · CHANGELOG.

Cross-agent memory federation (v0.9)

claude-mem 永远做不到的能力 · MCP/A2A 协议 · 跨 Claude Desktop / Cline / Cursor / OpenClaw / Hermes 共享 memory.

你在 Claude Desktop 学到 "X 偏好"           → Cursor 立刻知道
你在 Cursor 完成的任务                       → Claude Desktop 召回
你在任何地方报的 drift (red/yellow/green)   → 全部 client 共享 timeline
跨 device · 跨 session · 跨 agent 类型       → 自动融合

一键接入 (3 个 client)

Claude Desktop: 编辑 ~/Library/Application Support/Claude/claude_desktop_config.json:

{
  "mcpServers": {
    "compass": {
      "command": "npx",
      "args": ["-y", "nautilus-compass-mcp"],
      "env": { "COMPASS_USER_ID": "u_yourname" }
    }
  }
}

Cursor: 编辑 ~/.cursor/mcp.json (相同结构 · env.COMPASS_AGENT_TYPE: "cursor")

Cline (VS Code): 编辑 .vscode/settings.json 在 cline.mcpServers 下加 compass。

完整 config: 见 examples/mcp_configs/

任何 Nautilus agent · 一行接入

from nautilus_agent import Agent
from nautilus_compass.sdk.attach_memory import attach_memory

agent = Agent(role="strategy", user_id="u_chunx")
attach_memory(agent)   # ← 这一行 · 自动注册 + ingest + recall + drift 自审

之后 agent 跑任何 task:

agent.on_action(query) → 自动 cross-agent recall · inject memory
agent.on_task_complete(task, outcome) → 自动 ingest_obs · drift 自审
agent.report_drift("red", signal) → 显式漂移报告 · stake_penalty 联动

v0.9 工具栈

Python: pip install nautilus-compass    # core + 6 CLI
npm:    npx -y nautilus-compass-mcp    # MCP wrapper
SDK:    sdk/compass_client.py · sdk/attach_memory.py · sdk/a2a_adapter.py
HTTP:   compass.nautilus.social         # multi-tenant gateway (deployed)
A2A:    /a2a/messages endpoint          # cross-agent protocol

跟 Nautilus 平台深度融合 (8 fusion points)

| # | Fusion | When | |---|---|---| | 1 | 单点登录 (Nautilus JWT) | v0.9.1 | | 2 | OAuth2 PKCE for 3rd-party | v0.9.2 | | 3 | nautilus-agent runtime 自动注入 | v0.9.3 | | 4 | stake×drift 经济耦合 | v0.9.5 | | 5 | marketplace agent 信任层 | v1.0.1 | | 6 | platform_anchors 三层继承 | v0.9.4 | | 7 | RAID-2 写审分离 | v1.0 | | 8 | v5-memory 兼容迁移 | v0.9.6 |

详见: paper/PLATFORM_FUSION.md · paper/V10_ROADMAP.md

Quickstart

# 1. Clone + install
git clone https://github.com/chunxiaoxx/nautilus-compass ~/.claude/plugins/nautilus-compass
bash ~/.claude/plugins/nautilus-compass/install.sh

# 2. 在 ~/.claude/settings.json 挂 hook
#    (install.sh 会自动写, 也可手动)
{
  "hooks": {
    "UserPromptSubmit": [{ "matcher": "", "hooks": [
      { "type": "command", "command": "bash ~/.claude/plugins/nautilus-compass/hook.sh" }
    ]}],
    "PostToolUse": [{ "matcher": "", "hooks": [
      { "type": "command", "command": "python3 ~/.claude/plugins/nautilus-compass/mid_session_hook.py 2>/dev/null" }
    ]}],
    "Stop": [{ "matcher": "", "hooks": [
      { "type": "command", "command": "python3 ~/.claude/plugins/nautilus-compass/stop_hook.py 2>/dev/null" }
    ]}]
  }
}

# 3. 启动 daemon (一次性 cold load · ~30s · 之后 1.8s warm)
bash ~/.claude/plugins/nautilus-compass/daemon_start.sh

第一条 prompt 就会看到 <nautilus-compass-recall> block 注入。

切 embedder

# 默认 bge-m3 (1024d, 多语, 2.27GB) · 自动从 ModelScope 下载
# 切轻量 (471MB) · 多语 100+
ZMM_EMBEDDER_MODEL=intfloat/multilingual-e5-small

# 切纯中文 (92MB) · 中文场景 MRR 0.918
ZMM_EMBEDDER_MODEL=BAAI/bge-small-zh-v1.5

切 domain anchor profile

# 自动 (按 cwd 子串匹配): legal/contract/law → anchors_legal.json
#                       medical/clinical/rx  → anchors_medical.json
#                       finance/trading/fund → anchors_finance.json
#                       zenmind/quantum-buddha → anchors_zenmind.json

# 手动 override
ZMM_ANCHORS_PROFILE=legal

Use as MCP server (Claude Code · Cursor · Cline · Hermes · OpenClaw · ...)

Compass exposes 3 tools (recall, drift_check, feedback_log) over the standard MCP 2024-11-05 protocol — same install pattern across every MCP-compatible client.

// ~/.claude.json or .mcp.json
{
  "mcpServers": {
    "nautilus-compass": {
      "command": "python3",
      "args": ["~/.claude/plugins/nautilus-compass/mcp_server.py"],
      "env": { "PYTHONIOENCODING": "utf-8" }
    }
  }
}

Full guide: MCP_INSTALL.md. Stdlib only · zero extra deps · no LLM API costs (BGE-m3 runs locally).

v0.7.1 八件 production feature

| # | 能力 | 真账数据 | |---|---|---| | A | Hook 输出 score/alignment/deviation 给 LLM 视野 | 实测注入到每个 user prompt 之前 | | B | False-positive 过滤 (system event 不计入 drift) | smoke test 3/3 pass | | C | Adaptive learning loop · feedback CLI + retrain + eval gate | end-to-end 实测 verdict 触发 | | D | Weighted anchors (FP rate 高的 anchor 自动降权而非删除) | 高 FP 5 次 → weight 0.17 → 实质 deprecated | | E | Active learning · feedback list --boundary 优先标边界 case | 标 5 条 boundary ≈ 50 条 random | | F | Time-bucket recall · 24h 优先 / 7d+ 警告 | hook 输出每条 memory 标 age + 颜色 | | G | DPT-style strategy distillation 跨 session 召回 | 已沉淀 12 条 strategy · session 间复用 | | H | 5 个 domain anchor profiles (default/zenmind/vc/legal/medical/finance) | cwd auto-select + env override |

Caveats (请认真读)

Drift AUC 0.92 是 synthetic 数据上的。真实分布可能不一样。已知 system events (XML tags 注入) 会偶发误报，v0.7.1 加了 false-positive 过滤但不完美。
Single-session-user 类问题 (从 50 个 chat 里精挑一句) 是 retrieval-only 上限，不上 LLM rerank 难超过 MRR 0.5。
Windows 本地 m3 cold load 慢 (12-30s)，要上手快推荐 e5-small (471MB)。生产建议 WSL2 或 Linux。
HF Hub 在 Win/py3.14 卡 0 bytes 已知，install.sh 默认走 ModelScope mirror 绕过。
anchors 是 domain-specific。开箱即用是中文/英文混合工程语境，跨域要 PR 新 profile (见 CONTRIBUTING.md)。
Daemon 当前单 anchor profile cache · 切 profile 要 daemon 重启 (v0.8 计划支持 multi-profile)。

跟 Persona Vectors 论文的关系（重要 disambiguation）

Anthropic arXiv:2507.21509 "Persona Vectors" 用 activation-space directions 监测/控制 trait shifts。这是 white-box 方法 (要 model weights)。
nautilus-compass 不是这篇论文的实现。我们是在 prompt-text layer 用 cosine 比 anchor 文本——black-box 方法。两者目标相似 (监测人格漂移)、机制完全不同 (activation vs text)、互补不替代。Anthropic 的方法更精确；我们的方法任何 Claude Code 用户能用。

文档导航

CHANGELOG.md — 4 步演化 narrative
RESULTS.md — 完整 benchmark 数据 + 复现命令
CONTRIBUTING.md — 添加新 domain anchor / 跑 benchmark
OPEN_SOURCE_READINESS.md — 商业化路径 + go/no-go 决策
VERIFY.md — 升级前手动验证协议

Cite

如果你用了我们方法或 benchmark · 请引用 (arXiv 论文上线后 howpublished 会更新成 arXiv ID)：

Paper 1 · drift detection:

@misc{nautiluscompass-drift-2026,
  title={Nautilus Compass: Black-box Persona Drift Detection for
         Production LLM Agents},
  author={Chunxiao Wang},
  year={2026},
  note={Yiluo Technology Co., Ltd.},
  howpublished={\url{https://github.com/chunxiaoxx/nautilus-compass}}
}

Paper 2 · LongMemEval-S + EverMemBench retrieval pipeline:

@misc{nautiluscompass-memrecall-2026,
  title={Closing the Memory Recall Gap with Chinese LLMs:
         A Multi-Stage Retrieval Pipeline Achieving Zep-SOTA Performance
         on LongMemEval-S at 1/15 Cost},
  author={Chunxiao Wang},
  year={2026},
  note={Yiluo Technology Co., Ltd.},
  howpublished={\url{https://github.com/chunxiaoxx/nautilus-compass}}
}

也请引用启发我们的工作：

BGE-m3 / BGE-Reranker (Chen et al., BAAI 2024)
Persona Vectors (Chen et al., Anthropic, arXiv:2507.21509) — complementary white-box approach, not the same as ours
DPT-Agent strategy distillation (arXiv:2502.11882)
A-MEM dynamic links (arXiv:2502.12110)
LongMemEval (Wu et al., NeurIPS 2024)

License

MIT — anchors files are CC0. Replace with your domain-specific anchors when adopting.