15 KiB
15 KiB
NextAgent — 认知解耦智能体架构
-- 传统的由数学家们主导的人工智能研究已经走到头了，是时候让信息论和系统工程学接手这混乱而野蛮的烂摊子了！
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，子网间通过统一张量协议通信，从根本上解决大模型的幻觉问题与效率瓶颈。
核心架构
┌──────────────┐
│ 用户 │
│ (输入/输出) │
└──────┬───────┘
│
┌──────────▼──────────┐
│ 外部输入/输出 │
│ (唯一接入外部路径) │
└──────┬──────┬───────┘
│ │
┌──────▼──┐ ┌─▼────────┐
│ 路由与 │ │ LLM │
│ 压缩子网 │ │ 子网 │
│(唯一输入) │ │(唯一输出) │
│ 多模态 │ │ 自然语言 │
│ 特征提取 │ │ 给用户 │
│ 标签张量 │ │ │
└──────┬──┘ └────┬──────┘
│ │
│ 张量通信层 │
│ (内部通信) │
▼ ▼
┌──────────────────────────┐
│ 调度 Core (内部层) │
│ 启发式调度 · 内部分发 │
│ │
│ ┌──────────┐ ┌────────┐ │
│ │ 记忆子网 │ │ 逻辑子网 │ │
│ │(唯一记忆) │ │(推理回路)│ │
│ │ 自治读写 │ │ 验证重规│ │
│ │ 图DB/向量 │ │ 划/错误│ │
│ │ /文本 │ │ 追溯 │ │
│ └──────────┘ └────────┘ │
└──────────────────────────┘
边界规则
| 方向 | 路径 | 说明 |
|---|---|---|
| 输入 | 用户 → 路由与压缩子网（唯一） | 所有图像/文本/语音必须经过路由子网，且仅此一路 |
| 输出 | LLM 子网 → 用户（唯一） | 当前仅 LLM 输出自然语言，可扩展图像/视频输出子网 |
| 内部 | 调度 Core + 子网 | Core 是内部调度层，不直接与用户交互 |
| 记忆 | 记忆子网（自治） | 唯一记忆模块。Core 仅传递查询张量+新信息张量，如何更新/删除/修改由记忆子网自行决策 |
Mermaid 架构图
graph TB
User["用户"] -->|"图像/文本/语音"| RCN["路由与压缩子网<br/>(唯一输入路径)"]
subgraph Internal ["系统内部"]
direction TB
Core["调度 Core<br/>(内部调度层)"]
MEM["记忆子网<br/>(唯一记忆模块·自治)"]
LTC["逻辑链路追踪子网<br/>(推理回路)"]
end
RCN -->|"标签张量"| Core
Core -->|"查询张量+新信息"| MEM
MEM -->|"记忆张量"| Core
Core -->|"推理请求"| LTC
LTC -->|"推理路径张量"| Core
Core -->|"推理路径"| LLM["LLM 子网<br/>(唯一输出路径)"]
LLM -->|"自然语言"| User
LLM -.->|"表达验证张量"| Core
RCN -.->|"滑动窗口保留原始数据"| Raw["临时原始数据"]
Core -.->|"一轮结束后调度处理"| RCN
通信机制：统一张量协议 (Unified Tensor Protocol)
所有子网间不传递自然语言，而是通过统一张量协议通信。该协议基于**适配器模式（Adapter Pattern）和门面模式（Facade Pattern）**设计，旨在解决模块异构性与通信效率问题。
统一通信张量协议 (Unified Tensor Protocol)
所有子网间通过纯数值张量通信，不传递自然语言、JSON 或任何非张量结构。协议基于适配器模式设计。
协议定义
统一通信张量由两部分组成：
1. 元数据（独立于张量，由底层总线传递）
| 字段 | 说明 |
|---|---|
source |
发出模型 ID |
target |
目标模型 ID |
reply_req |
是否需要回复 (true/false) |
2. 张量数据（纯数值张量，ndarray）
┌──────────────────────────────────────────────────┐
│ Unified Communication Tensor │
├──────────────────────────────────────────────────┤
│ [fmt_id] [parser_id] [padding...] [payload...] │
│ └───────── 自描述前缀 ──────────┘ └──真实数据──┘│
└──────────────────────────────────────────────────┘
其中 fmt_id 和 parser_id 为协议注册表中预定义的标量标识：
fmt_id：标识数据格式（如 0=ref_tensor, 1=memory_result, 2=reasoning_path）parser_id：标识应使用哪个解析网络（如 0=ref_parser, 1=memory_parser）
# 协议注册表（系统设计时预定义）
PROTOCOL_REGISTRY = {
"fmt": {0: "ref_tensor", 1: "memory_result", 2: "reasoning_path", ...},
"parser": {0: "ref_parser", 1: "memory_parser", 2: "reasoning_parser", ...},
}
编解码层（适配器模式）
每个子网实现编解码适配器，在子系统内部格式与统一通信张量之间转换：
┌─────────────┐ ┌─────────────────────┐ ┌────────────────┐
│ 子网内部 │ ──→ │ 编码适配器 │ ──→ │ 统一通信张量 │
│ 内部张量 │ │ 拼接 fmt_id+parser_id│ │ [fmt][prs][数据]│
└─────────────┘ └─────────────────────┘ └────────────────┘
│
▼
┌─────────────┐ ┌─────────────────────┐ ┌────────────────┐
│ 子网内部 │ ←── │ 解码适配器 │ ←── │ 统一通信张量 │
│ 内部张量 │ │ 解析 parser_id → 解码 │ │ [fmt][prs][数据]│
└─────────────┘ └─────────────────────┘ └────────────────┘
编解码器接口：
class CodecAdapter:
"""每个子网实现此接口"""
def encode(self, internal_tensor: Tensor) -> Tensor:
# 1. 查协议注册表获取 fmt_id
# 2. 拼接 [fmt_id, parser_id, ...padding..., payload]
pass
def decode(self, comm_tensor: Tensor) -> Tensor:
# 1. 读取前缀中的 parser_id
# 2. 路由到对应解码器
# 3. 剥离前缀，返回内部格式
pass
门面模式（通信总线）
底层通信机制（共享内存/NPU 显存直传/TCP/IP）对子网透明：
class TensorBus:
def send(tensor: Tensor, source: str, target: str, reply_req: bool) -> None
def recv(source: str) -> tuple[Tensor, str, str, bool] # tensor, source, target, reply_req
def register(subnet_id: str, codec: CodecAdapter) -> None
核心特性
- 纯粹张量：无 JSON，无嵌套结构，全部为数值数据
- 自描述前缀：fmt_id + parser_id 编码在张量头部
- 协议预定义：所有 fmt_id/parser_id 系统设计时查表确定
- 硬件亲和：张量是 NPU/GPU 原生单元，可实现零拷贝
核心优势
动态并网与即插即用
- 新的子网只需实现编解码适配器即可向 Core 注册，支持运行时热插拔
- 各子网独立迭代算法，接口不变即不影响系统稳定性
- 支持运行时根据需求动态创建/销毁子网
零拷贝（Zero-Copy）
在支持分布式能力的系统上，张量可通过内核旁路技术直接在设备间传递内存地址，避免将数据从 NPU/GPU 搬回 CPU 再打包的昂贵序列化开销。
硬件亲和性
张量是 NPU/GPU 的原生计算单元，协议允许数据在设备内存池中直接流转，无需格式转换，大幅降低延迟和 CPU 占用。
高数据保真度
相比于文本或 JSON 协议，张量能无损传递高维特征图、注意力权重矩阵等复杂数值结构，确保传递的是完整的"思维向量"而非降维后的符号化描述。
调度方式：启发式调度
Core 的调度是启发式的，非流式管线。每次收到数据包后动态决策：
- 路由子网处理输入 → 生成标签张量 → 交给 Core
- Core 根据标签判断任务类型，调用记忆子网检索上下文
- 根据记忆结果决定下一步——可能再次调路由提取、送逻辑推理、再查记忆……
- 反复、多方式调用子网，逐步收敛
- 将子网结果聚合 → 交记忆子网自主更新
- 本轮结束后，Core 再调度路由子网对暂存的原始数据进行处理（标签生成、压缩、归档）
子网职责
| 子网 | 角色 | 核心职责 |
|---|---|---|
| 路由与压缩子网 | 🚪 唯一输入路径 | 处理多模态输入，生成标签张量，滑动窗口暂存原始数据 |
| 记忆子网 | 🧠 唯一记忆模块（自治） | 独立管理图数据库+向量数据库+文本三级存储，自行决策如何更新/删除/修改 |
| 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 |
| LLM 子网 | 📤 唯一输出路径 | 结构化→自然语言给用户 + 表达验证张量给Core |
| 调度 Core | 🎯 内部调度层 | 启发式统筹调度，不直接与用户交互 |
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 独立负责知识存储与检索
- 逻辑推理子网 独立负责推理验证
- LLM 子网 只负责语言表达，从不"猜测"事实
- Core 通过分析 LLM 返回的表达验证张量来判断输出正确性
🔒 严格的输入/输出边界
输入 → [路由子网] → [Core+记忆+逻辑] → [LLM] → 输出
唯一入口 内部 唯一出口
- 路由子网是唯一与外部输入交互的组件
- LLM 子网是唯一与外部输出交互的组件
- Core 是纯内部层，不暴露给用户
- 记忆子网是唯一记忆模块，Core 不越权直接操作记忆
⚡ 效率与灵活性
- 张量通信：子网间传递轻量级张量
- 滑动窗口：路由子网暂存原始数据，一轮结束后再处理
- 记忆自治：记忆子网自主决定存储策略
快速开始
# 克隆仓库
git clone ssh://git@jianfgit.xyz:220/jianf/NextAgent.git
cd NextAgent
# 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 # 架构总览（核心）
│ ├── 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
│ │ ├── scheduler.py # 启发式调度引擎
│ │ ├── task_parser.py # 任务解析器
│ │ └── memory_aggregator.py # 记忆聚合器
│ ├── protocol/ # 张量协议层
│ │ ├── tensor_schema.py # 标准张量定义
│ │ ├── encoder.py # 编码器基类
│ │ └── decoder.py # 解码器基类
│ ├── subnets/ # 子网实现
│ │ ├── routing_compression/ # 路由与压缩子网（唯一输入）
│ │ ├── memory/ # 记忆子网（图DB+向量DB+文本）
│ │ ├── logic_trace/ # 逻辑链路追踪子网
│ │ └── llm_expression/ # LLM 表达子网（唯一输出）
│ └── storage/ # 存储层
│ ├── graph_db/ # Neo4j 图数据库客户端
│ ├── vector_db/ # 向量数据库客户端
│ └── text_store/ # 文本记忆存储
├── tests/
├── config/
└── requirements.txt
文档索引
| 文档 | 内容 |
|---|---|
| 架构总览 | 整体设计、张量协议、启发式调度、边界规则 |
| 路由与压缩子网 | 唯一输入路径、滑动窗口、标签张量、两阶段处理 |
| 记忆子网 | 唯一记忆模块、自治读写、三级存储（参考 TrulyMEM） |
| 逻辑链路追踪神经网络 | RLHF+PRM、MCTS、自我修正训练 |
| LLM 子网 | 唯一输出路径、双输出通道、表达验证训练 |
NextAgent — 让智能体像人脑一样思考，模块化、可解释、可信赖。