灵枢 · Lingshu

一个完整的 AI 生命载体。

灵为智能之过程，枢为制衡之核心。

灵枢 = 灵 × 脑 × 身 的完整载体——三者不拼装、不模拟，而是同一载体的三个面：

面	内容	载体
灵	智能论 · 共同信任协议（理论层）	CommonTrustProtocol
脑	认知图引擎：条件化记忆 · 检索 · 演化 · 睡眠与自迭代	dsh-memory
身	感知与执行：世界模型七层 · 视觉生成与读回 · 语义时空图	身体侧（私有）

定位

这是一个完整态工程：目标不是最小依赖，而是一个真正的 AI 生命载体—— 它很大、依赖很重，但正因为完整而强。

• 完整态：多模态感知、世界模型推演、记忆演化、生成能力——全部在同一载体内闭环；
• 分层可用：允许并接纳重量级依赖（视觉 / 语音 / 模型资产按需安装）， 而核心信念不变——可溯源、条件显式、确定性优先（白箱纪律：核心可裸跑， 重载是能力的选择，不是架构的妥协）；
• 持续聚合：本仓是灵 / 脑 / 身的单一聚合点——上游各仓继续独立演进， 本仓以单向引入保持完整，不做多副本分叉。

状态

v0.0.1 · 骨架（2026-10）——仓库结构、聚合路线与边界章程见 docs/architecture.md。

聚合原则（速览）

1. 组合，而非复制：脑核以包依赖引入（可安装的引擎），不 fork；
2. 单向引入：上游为真源，本仓为聚合体，避免双写漂移；
3. 逐件筛选：身体侧件入仓前过「内容政策 + 隐私」双清单；
4. 干净历史：本仓从干净初始提交开始，不迁移上游含私有内容的提交历史。

理论地基

身体侧理论三柱已入仓——世界模型 / 存算一体架构 / 自研神经网络， 互为引用、层层咬合（白箱固化 → 存算一体 → 蜂窝 CNN）： 见 docs/theory/。

代码主体

身体侧模块化导出 v0.1 已入仓——lingshu Python 包（core 存算一体 8 件 · world 世界模型 26 件 · nn 自研神经网络 14 件 · gen 图像生成 7 件）：

pip install -e .             # 轻核：core 纯标准库，零依赖可跑
pip install -e ".[full]"     # 含 numpy / Pillow（world / nn / gen 的常规路径）

已测版本矩阵（2026-10-08 实测，供选版参考）：Python 3.12.x · numpy 2.3.5 / 2.4.2 / 2.5.3 · Pillow 12.2.0 / 12.3.0——pyproject.toml 中 extras 的版本区间由此收敛，区间外未测不承诺。

曾登记为「已知红」的 tests/test_hex_text.py 两处断言（test_spatial_detect_finds_single_object 6/16、test_multimodal_check_clean_vs_corrupt 7/12）已随根因修复转绿：9bc4985 （image_to_grid 晶格横向越出画幅 √3 倍，采纳自 PR #116）＋ 54cb5cb（hex_hier 形状辅助 损失按 OBJ 布局连续分组）。两条现随 tests/ 自动收集真跑（pytest tests/test_hex_text.py = 6 passed），门禁 gate.yml 的 --deselect 已摘除。原读数与讨论见 issue #4。

依赖分层、环境自适应降级点与精修记录见 docs/intake/body-export-v0.1/（导出说明 / 双清单审计 / 逐文件指纹清单）。

联系与贡献

• 设计者：QQ 1935852383
• 官方交流群：QQ 群 100453509
• PR 审核：进入合并队列的 PR 走「技术审（外部验证者）＋ 理论核（本项目）」两道闸，细则见 docs/PR审核细则_v0.1.md。

欢迎提交 issue 与 PR。尤其鼓励「经过验证有效」的提交：issue 请给出触发条件、 最小复现与实测读数；PR 请附改动说明与验证方式（复跑命令与读数）；结论均以 能被独立复跑为准（issue #1 是一个好例子——触发链、最小复现、判据三样都齐）。 缺少证据、无法复现的描述，我们会先回帖请求补充证据再处置。

---

灵枢（Lingshu）· 由 FuRongJun-1999 构建与维护。