# NextAgent — 认知解耦智能体架构

NextAgent 是一套颠覆传统单一 LLM 模式的**认知解耦智能体架构**。通过模拟人脑的模块化分工，将认知、记忆、推理与表达分离为独立子网，从根本上解决大模型的**幻觉**问题与**效率瓶颈**。

## 核心架构

```
┌─────────────────────────────────────────────────────────────┐
│                     NextAgent 架构总览                        │
│                                                             │
│   ┌────────────────────────────────────────────────────┐    │
│   │              调度 Core（前额叶皮层）                  │    │
│   │         逻辑判断 · 任务调度 · 信息同步                │    │
│   └──────┬──────────┬──────────┬──────────┬────────────┘    │
│          │          │          │          │                  │
│          ▼          ▼          ▼          ▼                  │
│   ┌──────────┐ ┌──────────┐ ┌──────────┐ ┌──────────┐      │
│   │ 路由与压缩 │ │  记忆子网  │ │ 逻辑链路  │ │ LLM 子网  │      │
│   │   (感觉中枢) │ │(海马体/皮层)│ │追踪神经网络│ │(布洛卡区) │      │
│   │          │ │          │ │ (推理回路) │ │          │      │
│   │ 多模态     │ │ 长期记忆   │ │ 逻辑验证  │ │ 结构化→自然│      │
│   │ 特征提取   │ │ 知识图谱   │ │ 自我修正  │ │ 多语言输出 │      │
│   │ 信息压缩   │ │ 情景索引   │ │ 路径重规划 │ │ 情感表达  │      │
│   └──────────┘ └──────────┘ └──────────┘ └──────────┘      │
│          │          │          │          │                  │
│          └──────────┴──────────┴──────────┘                  │
│                     │                                        │
│                     ▼                                        │
│          ┌────────────────────┐                              │
│          │    冷区存储（原始数据） │                              │
│          └────────────────────┘                              │
└─────────────────────────────────────────────────────────────┘
```

### Mermaid 架构图

```mermaid
graph TB
    Core["调度 Core<br/>(前额叶皮层)"]
    
    subgraph Subnets ["四大子网"]
        RCN["路由与压缩子网<br/>(感觉中枢)"]
        MEM["记忆子网<br/>(海马体与皮层)"]
        LTC["逻辑链路追踪神经网络<br/>(推理回路)"]
        LLM["LLM 子网<br/>(布洛卡区/表达核)"]
    end
    
    Cold["冷区存储<br/>(原始数据)"]

    Core -->|"任务调度"| RCN
    Core -->|"记忆存取"| MEM
    Core -->|"推理验证"| LTC
    Core -->|"表达输出"| LLM
    
    RCN -->|"压缩引用包"| Core
    MEM -->|"检索记忆"| Core
    LTC -->|"验证结果"| Core
    LLM -->|"自然语言"| Core
    
    Core -->|"热数据"| Cold
    Cold -->|"按需拉取"| Core
    
    RCN -.->|"引用-拉取"| MEM
    RCN -.->|"引用-拉取"| LTC
    RCN -.->|"引用-拉取"| LLM
```

## 四大子网概述

| 子网 | 类比人脑 | 核心职责 | 关键技术 |
|------|---------|---------|---------|
| **路由与压缩子网** | 感觉中枢 | 多模态特征提取、信息压缩、引用包生成 | SimCLR/MoCo、知识蒸馏、AutoEncoder |
| **记忆子网** | 海马体与皮层 | 长期存储与检索、情景索引、知识图谱 | MANN、GNN、引用-拉取机制 |
| **逻辑链路追踪神经网络** | 推理回路 | 逻辑验证、错误追溯、路径重规划、自我修正 | RLHF + PRM、MCTS、错误案例数据集 |
| **LLM 子网** | 布洛卡区/表达核 | 结构化→自然语言、情感表达、多语言输出 | SFT、RLHF、多语言对齐 |

## 设计哲学

### 🧠 认知解耦 —— 解决"幻觉"问题

传统单一 LLM 的幻觉根源：**知识存储与语言表达在同一网络中耦合**。NextAgent 将两者解耦：

- **记忆子网** 负责存储和检索事实知识
- **LLM 子网** 只负责将结构化信息转换为自然语言
- 两者通过 **引用包机制** 通信，LLM 子网从不"猜测"事实

### ⚡ 效率与灵活性 —— 冷热数据分离

- **热区（计算单元）**：只处理当前任务需要的活跃数据
- **冷区（原始存储）**：全部原始数据以压缩格式存储
- **引用-拉取机制**：子网间传递轻量级引用包，仅在需要时拉取完整数据

## 快速开始

```bash
# 克隆仓库
git clone https://github.com/your-org/NextAgent.git
cd NextAgent

# 环境准备
python -m venv venv
source venv/bin/activate

# 安装依赖
pip install -r requirements.txt

# 查看文档
# 架构总览：docs/architecture-overview.md
# 子网细节：docs/routing-compression-subnet.md
#           docs/memory-subnet.md
#           docs/logic-trace-subnet.md
#           docs/llm-subnet.md
```

## 目录结构

```
NextAgent/
├── README.md                          # 项目概述（本文件）
├── docs/
│   ├── architecture-overview.md       # 架构概览
│   ├── routing-compression-subnet.md  # 路由与压缩子网
│   ├── memory-subnet.md               # 记忆子网
│   ├── logic-trace-subnet.md          # 逻辑链路追踪神经网络
│   └── llm-subnet.md                  # LLM 子网
├── src/
│   ├── core/                          # 调度 Core
│   ├── subnets/                       # 四大子网实现
│   └── storage/                       # 冷区存储
├── tests/                             # 测试套件
├── config/                            # 配置文件
└── requirements.txt                   # Python 依赖
```

## 文档索引

| 文档 | 内容 |
|------|------|
| [架构概览](docs/architecture-overview.md) | 整体设计、调度 Core 职责、子网通信 |
| [路由与压缩子网](docs/routing-compression-subnet.md) | 多模态编码、训练计划、评估指标 |
| [记忆子网](docs/memory-subnet.md) | MANN、GNN、引用-拉取训练策略 |
| [逻辑链路追踪神经网络](docs/logic-trace-subnet.md) | RLHF+PRM、MCTS、自我修正训练 |
| [LLM 子网](docs/llm-subnet.md) | SFT、RLHF 微调、多语言对齐 |

---

> NextAgent — 让智能体像人脑一样思考，模块化、可解释、可信赖。