book-brain-visual-reader

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

1. 生态门槛：大量术语（Haven、Clawhub、LYGO Champions）对非生态用户形成理解障碍。
2. 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。
3. 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。
4. 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