纯抽象的 AI Agent 骨架 — 定义结构、连接、信号规则，不写任何具体逻辑
MeowCat 是纯抽象的 AI Agent 骨架。它只定义「猫有什么器官、器官间怎么连」，不写任何具体逻辑。你来实现每个器官的具体行为 — LLM 推理、记忆存储、安全检查、工具执行。
独立 pip 包，零外部依赖。框架定义骨架，你来选择材料。
LLM → 挂工具 → 编排工作流。Agent 是功能单元，约束靠 prompt guard。
器官 → 角色约束 → 神经信号 → 行为涌现。架构层硬约束，行为自然产生。
为什么用生物神经范式？从第一性原理重新思考 AI Agent 的构建方式
Agent 不是工具的组合，而是一个完整的生命体。器官各司其职，行为从架构层自然涌现，而非靠 prompt 堆砌。
安全不该依赖 prompt。架构层的禁止边、熔断器、Amygdala 旁路，让约束铁打不动。
实体-关联-事件三元组 + 六层衰减，这才是真正的记忆。扁平向量库做不到。
双闭环生长：技能结晶、角色涌现、反思进化。习惯变成永久能力，不靠堆 token。
模拟猫的真实神经解剖学，每个器官有明确的角色、入口/出口规则
纯算法实现，无外部依赖。如 Brainstem 自主反射。
规则引擎实现，声明式配置。如 Amygdala 安全策略。
LLM/ML 模型实现。如 Cerebrum 调用 GPT-4 / DeepSeek。
混合实现，组合多种风格。如 Hippocampus 图存储 + 向量检索。
框架定义 Slot（Protocol），你提供 Plug（实现）。4 种风格：ALGORITHM | RULE | MODEL | HYBRID
Path → Chain → Loop → LoopSequence。从原子信号到编排，层层组合
Amygdala 安全旁路 · 熔断器 · 禁止边 · Kittens 权限视图
内环 CatSelf 反思进化，外环 Colony 集体生长。猫越用越聪明
从原子到编排，层层组合。不是工作流定义，而是神经系统架构。
器官间的单向信号传递。31 条内置路径。如 EARS → THALAMUS.hear。
多个 Path 的顺序执行，失败自动回滚。8 条内置链条。如感知 → 路由 → 执行。
条件触发的循环，有明确的进入/退出条件。7 条内置循环。如生长闭环、反思闭环。
多个 Loop 的顺序编排。如维护序列：清理→蒸馏→生长。
猫舍大看板共享 · 单人宿舍私有 · 角色自然分工
pip install meowcatfrom meowcat.defaults import create_cat
from meowcat.colony import Colony
colony = Colony()
cat = create_cat(container=colony,
cerebrum=YourImpl(), name="Kitty")response = await cat.perceive("你好！")
print(response)