koma/ jiku

Three-Driver 三驱动编排架构

NOTE

Jiku（jikud 与 jiku）是托管于 komawm/jiku 的可选独立桌面编排伴侣进程；不安装 Jiku 时，Koma 合成器依然可以完整独立运行。

深蓝楮皮和纸上的 Jiku 15x15 组子决策网格与声学波纹

核心设计：三驱动模型调度

Jiku 将毫秒级闭集视觉判定、长程多步推理规划与可选实时语音交互拆分为三个相互解耦的驱动：

驱动器 职责分工 默认端点与契约
DecisionsDriver 毫秒级 UI 状态核验、grid_225 坐标定位、安全门控与 ~/JikuBox 批量分拣 gemini-decision-1（POST /v1beta/decisions，total_output_tokens == 0，支持零报错自动回退至 EmulatedStructuredTextModel JSON Schema）
TurnModelDriver 多步工作区规划、低置信度（< 0.85）System-2 接管、候选技能合成 OpenCode Go deepseek-v4.1-flash（thinking = false），并兼容 OpenAI、Google AI Studio 与 Anthropic
LiveSessionDriver 可选全双工实时语音与 AvatarCue 传输通道 Gemini BidiGenerateContent WebSocket（默认关闭；PipeWire 实时音频流为 v0.1.0 目标）

Workspace Crate 结构（#![forbid(unsafe_code)]）

Jiku 全部 4 个 Rust crate（jikud、jiku、jiku-memory、jiku-tts）均强制执行 #![forbid(unsafe_code)]：

Crate 类型 核心职责
jikud 库 + 二进制 $XDG_RUNTIME_DIR/jiku.sock RPC 守护进程、三驱动客户端、DecisionCompiler、Phodopus Lua 策略钩子、KomaIpcClient（基于安全 File::from(fd) 读取密封 memfd）
jiku 二进制 CLI 控制器与 MCP 桥接（status、validate-config、decide、plan、run、box classify、memory search、skills、mcp）
jiku-memory 库 L0 感知哈希 dHash 环形缓存、L1 应用特性记忆、L2 SQLite WAL + FTS5 BM25 检索与 staged_skills 审批存储
jiku-tts 库 可选 TtsProvider（VOICEVOX、OpenAI speech、noop）与 AvatarCue 事件包

观测 → 决策 → 规划 → Koma 执行闭环

  1. 观测（Observe）：jikud 凭受限 CapabilityToken 连接 koma-agent.sock，通过 capture.frame 获取只读密封 memfd 图像（受保护表面已被合成器涂黑）及当前 Epoch。
  2. 决策（Decide）：DecisionsDriver 并行评估 15 项二元 Noul 安全门控与 Choice（强制包含 NONE_OR_OTHER 开放兜底）及 15×15 grid_225 单元格概率。
  3. 规划（Plan）：当决策置信度 < 0.85 或任务需自由文本生成时，无缝交由 [roles.planner]（deepseek-v4.1-flash 或用户配置的 LLM）规划执行。
  4. 执行（Act）：携带 expected_epoch 派发 vseat.click / key / inject_text 或 macro.exec；一旦遇 4090、4091 或 4032 立即安全停手或重观测。

CLI 快速概览

jikud --daemon --config ~/.config/jiku/config.toml --policy ~/.config/jiku/init.lua
jiku status --json
jiku decide --image shot.png "Is a terminal window visible?"
jiku plan "Summarize the active workspace"
jiku box classify ~/JikuBox
jiku mcp --print-tools