视觉增强的双脑文件系统规范

LYGO生态的3-Brain+2-Hemisphere视觉文件系统规范，为具备视觉能力的Agent提供文本与图像交叉验证的组织方法论。

基本信息

• 技能名称?book-brain-visual-reader
• 中文名称?视觉增强的双脑文件系统规范
• 作者?DeepSeekOracle
• 分类?专业技能
• 版本?v1.0.0
• 标签?productivity, automation, docs, data-analytics, project-program-management, content-media

使用方法

使用说明
核心用法
BOOK BRAIN VISUAL READER 是一套面向具备视觉能力Agent的文件组织与验证方法论。它建立在"3-Brain + 2-Hemisphere"模型之上：
3-Brain 架构 ：Working Brain（当前上下文与临时文件）、Library Brain（持久化文件系统，含memory/reference/brainwave/state/logs/tools六大目录）、Outer Brain（外部资源引用存根）。 2-Hemisphere 协议 ：LEFT brain负责结构化数据、API、文本索引；RIGHT brain负责视觉快照、布局分析、模式识别。两者协同实现"5D"数据验证（text + visual + API + state + timeline）。
使用时，Agent需先检测视觉能力（浏览器自动化、图像读取），建立标准目录结构，创建VISUAL_INDEX.txt等索引文件，并在验证外部数据时严格执行LEFT→RIGHT→Reconcile三步协议。
显著优点

1. 双脑验证机制 ：突破纯文本Agent的局限，通过视觉交叉验证显著降低数据误读风险，特别适合区块链仪表盘、金融数据等场景。
2. 非破坏性设计 ：明确"永不覆盖/删除"原则，所有操作以追加模式进行，保障数据可追溯性。
3. 生态整合性 ：深度融入LYGO/Eternal Haven生态系统，与Clawhub skills、链上浏览器等工具形成工作流闭环。
4. 轻量可扩展 ：纯文档规范，无运行时依赖，可根据项目需求灵活裁剪目录结构。
   潜在缺点与局限性
5. 生态门槛 ：大量术语（Haven、Clawhub、LYGO Champions）对非生态用户形成理解障碍。
6. 视觉能力依赖 ：若Agent实际不具备稳定的浏览器/图像工具，该规范的价值大幅缩水。
7. 人工维护成本 ：索引文件、视觉证据的整理需要持续的Agent或人工介入，非全自动方案。
8. 规模瓶颈 ：高频视觉验证场景下，screenshot存储可能快速膨胀，需配套清理策略。
   适合的目标群体
   LYGO/Eternal Haven生态的Agent开发者与高级用户
   需要处理链上数据、金融仪表盘的视觉增强型Agent
   追求审计可追溯性的复杂项目团队
   具备浏览器自动化+视觉模型能力的AI系统
   使用风险
   性能风险 ：视觉验证引入额外延迟，高频场景需权衡精度与效率
   依赖项风险 ：实际效果高度依赖底层视觉工具（截图稳定性、OCR准确率）
   存储膨胀 ：visual/目录长期累积可能占用大量空间
   链接失效 ：Outer Brain引用的外部URL可能变更，需定期校验存根