JspaceAI

全局工作空间 + J-space 广播的智慧系统

两个入口：

1. 全部接入 (main.py)：具身 Agent + 完整神经系统 + 5 感官 + 4 输出 + 自主心智
2. 只有对话 (main_chat.py)：字符级语言模型 + 交互对话 + 在线学习

基于第一性原理推导的智慧架构：不是 Transformer，不是 RNN，而是 ODE 动力系统 + 并行专家 + J-space 工作空间广播 + 在线进化。

核心思想

智慧 = 系统内部维持对世界的模型 M，可操作、可修正、可指导行动。

从第一性原理推导出 M 必须满足的性质，每一性质对应一个实现选择：

性质	实现
高维	向量空间 \mathbb{R}^n
内部动力学	ODE \dot{m} = -\nabla U(m) + \text{broadcast}
输入敏感但不决定	加性扰动
可读出	流形投影 + 阈值门控
可修正	参数化 + backprop
工作空间结构	分块 + J-space 广播

架构

┌─────────────────────────────────────┐
│  专家池 E_1..E_5（并行）              │
│  每个 m_i 有多井势能 → 内部"思考"      │
│  J_i 稀疏 Jacobian → 选择性接收广播    │
└─────────────────────────────────────┘
              ↓ 写入（注意力 α_i 选择）
┌─────────────────────────────────────┐
│  工作空间 w（J-space）                │
│  τ_w · dw/dt = -w + Σ α_i · P_i(m_i) │
│  有自己的动力学 → 持续演化            │
└─────────────────────────────────────┘
              ↓ 读出
        预测头 Q(w) → 预测下一时刻世界

与 Transformer 的对比：

	Transformer	JspaceAI
内部状态	离散、无状态	连续 ODE 动力学
工作空间	隐式（residual stream）	显式分块 + 广播
专家协作	无（或 MoE 但孤立）	J-space 路由
学习信号	下一 token	下一时刻世界状态
自发输出	否（被输入触发）	是（阈值门控）

安装

pip install -r requirements.txt

运行

项目只有两个入口：

入口	用途
main.py	全部接入：具身 Agent + 完整神经系统 + 5 感官 + 4 输出 + 自主心智
main_chat.py	只有对话：字符级语言模型 + 交互对话 + 在线学习

全部接入版（main.py）

# 子系统自检（权限 + I/O + 模型 + 海马体回忆）
python main.py --mode test

# 实时具身循环 + 自主心智（默认安全：不控制鼠标键盘）
python main.py --mode live --steps 100

# 安全模式（更高动作门控阈值，不显示屏幕输出）
python main.py --mode safe --steps 50

# 允许鼠标键盘输出（需谨慎，加 --unsafe）
python main.py --mode live --steps 200 --unsafe

接入全部 5 个输入通道 + 4 个输出 + 神经系统：

• 输入：摄像头(OpenCV) + 麦克风(PortAudio) + 屏幕(mss) + 键盘(pynput) + 鼠标(pynput)
• 输出：鼠标 + 键盘 + 音频(PortAudio) + 屏幕(OpenCV 窗口)
• 神经系统：小脑(前向+逆模型) / 中枢神经(反射弧+门控) / 海马体(向量检索) / 基底神经节(Q-learning)
• 自主心智：好奇心驱动 + 状态持久化 + 自我模型 + 元学习

完整的人类神经系统对应：

人类系统	功能	实现
大脑皮层	认知、语言	workspace + 12 专家
小脑	运动协调	Cerebellum（前向模型+逆模型）
中枢神经	动作门控	CentralNervousSystem（反射弧+抑制）
海马体	情景记忆	Hippocampus（向量检索）
基底神经节	动作选择	BasalGanglia（Q-learning）
眼/耳	视听觉	摄像头+麦克风
口	说话	AudioActuator（扬声器）
手	操作	MouseActuator + KeyboardActuator
皮肤	触觉	（预留接口）

感知-思考-行动闭环：

1. 感知（五感）→ 2. 思考（workspace）→ 3. 回忆（海马体） → 4. 决策（基底神经节）→ 5. 精化（小脑）→ 6. 门控（中枢神经） → 7. 行动（手足口）→ 8. 学习（更新所有系统）

状态保存在 outputs/mind/：workspace + 海马体 + 基底神经节 + 自我模型，再次运行从上次继续。

macOS 权限：键盘/鼠标监听需要在 系统设置 → 隐私与安全 → 辅助功能 中授权终端。

对话版（main_chat.py）

# 交互对话（默认）
python main_chat.py

# 先预训练再对话
python main_chat.py --mode train --steps 100
python main_chat.py --mode chat

# 一次性生成
python main_chat.py --mode generate --prompt "To be"

# 控制生成长度；默认使用快速 Euler 推理，--accurate 改用 RK4
python main_chat.py --mode generate --prompt "学而时习之" --n-new 40
python main_chat.py --mode generate --prompt "学而时习之" --accurate

对话特性：

• 在线学习：每次用户输入都会被模型学习（next-token loss + 梯度更新）
• 持续进化：EWC + 经验回放 + 专家可塑性防灾难性遗忘
• 状态持久化：对话状态保存到 outputs/chat_model.pt，再次启动从上次继续
• 命令：/quit 退出 /save 保存 /reset 重置 /train N 预训练N步

对话模式示例：

你: Hello
AI: ...
你: /save
你: /train 50
你: /quit

测试

python -m unittest discover -s tests -v

外挂模块系统（可热插拔）

from jspaceai import ModuleDock, SmallModelModule, KnowledgeBaseModule, ToolModule

dock = ModuleDock(workspace_dim=64)
dock.register('llm', SmallModelModule(model_name='gpt2'))
dock.register('kb', KnowledgeBaseModule())
dock.register('tools', ToolModule())

# 热插上
dock.connect('llm')
dock.connect('tools')

# 使用
result = dock.query('llm', 'hello world')
calc = dock.query('tools', {'tool': 'calc', 'args': ['1+1']})  # → 2

# 随时拔掉（心智不停，只是该能力不可用）
dock.disconnect('llm')
dock.query('llm', 'hello')  # → None

# 状态查询
dock.status()  # 各模块连接状态

三种内置外挂：

• SmallModelModule：外挂小模型（GPT-2/Qwen 等），提供语言能力
• KnowledgeBaseModule：向量检索知识库
• ToolModule：可调用工具（计算器、搜索等）

核心原则：心智不依赖外挂。断开任何外挂，心智继续工作，只是"知道得少"。

核心实现特性

JSpaceConfig 支持以下可配置项（默认值已开启推荐配置）：

1. RK4 积分（use_rk4=True）：比 Euler 稳定，workspace 范数从 ~0.3 提升到 ~5.6
2. LayerNorm（use_layer_norm=True）：workspace 和专家状态都加 LayerNorm，防止长期衰减
3. 势能系数归一化（well_coeff=None 自动 1/sqrt(num_wells)）：避免井数多时 softplus 项主导梯度导致专家状态发散
4. 异构专家支持：Expert 构造可传入 encoder 参数，让不同模态专家有独立编码器
5. 轨迹记录：forward(xs, record_trajectory=True) 返回 info['w_trajectory']，供 J-lens 训练

from jspaceai import JSpaceConfig, JSpaceModel

config = JSpaceConfig(
    workspace_dim=32,
    num_experts=5,
    use_rk4=True,          # RK4 积分
    use_layer_norm=True,   # LayerNorm 防衰减
)
model = JSpaceModel(config)
preds, info = model(xs, record_trajectory=True)  # info['w_trajectory'] 可用

跨平台支持

支持 macOS / Windows / Linux：

功能	macOS	Windows	Linux
摄像头	OpenCV	OpenCV	OpenCV
麦克风	PortAudio	PortAudio	PortAudio
屏幕	mss	mss	mss/X11
键盘监听	pynput（需辅助功能权限）	pynput	pynput（需 X11）
鼠标监听	pynput（需辅助功能权限）	pynput	pynput（需 X11）
鼠标控制	pynput	pynput	pynput
键盘控制	pynput	pynput	pynput
音频播放	PortAudio	PortAudio	PortAudio

自主进化机制

模型不只是"训练一次"，而是天生支持持续进化：

1. 在线学习：每个 forward 都累积梯度并更新参数，模型永不"训练完成"
2. EWC（Elastic Weight Consolidation）：保护重要参数防灾难性遗忘
   • 周期性计算 Fisher 信息，锚定重要参数
   • 新知识只能修改不重要的参数
3. 经验回放（Experience Replay）：定期回放旧序列，防遗忘
4. 专家可塑性（Expert Plasticity）：追踪专家专业化，鼓励新知识流向空闲专家

进化循环可以无限运行——持续喂入新文本，模型持续进化。

输出

全部接入版

• outputs/embodied_live.png — ||w||/模态分布/好奇心/自我模型/世界模型loss/海马体
• outputs/mind/ — 自主心智状态（跨会话持久化）

对话版

• outputs/chat_model.pt — 对话模型状态（跨会话持久化）

基于 Anthropic 2026 论文的设计

基于 Verbalizable Representations Form a Global Workspace in Language Models 的发现：

1. J-lens 探针：学习线性映射 L: workspace → vocab，观测每个子步 workspace "准备说什么"（jlens.py 提供）
2. 三层分层：sensory（子步0）→ workspace（子步1-2）→ motor（子步3）
3. Directed Modulation：注入概念向量 v_concept 到 workspace，验证 workspace 是因果中介
4. Selectivity 验证：ablate workspace top-k J-lens 方向，对比自动任务 vs 记忆任务

实验结果

语言版

• Loss 从 3.95 → 2.40，下降 39%
• 生成从纯乱码进化为类语言结构（含换行、常见词片段）
• 专家按字符类型分工（元音/辅音/结构字符）

具身版

• 实时 5 通道感知（摄像头+麦克风+屏幕+键盘+鼠标）全部采集成功
• 感知-思考-行动闭环完整运行
• 海马体回忆正常（sim 0.99+）
• 小脑计算动作参数，基底神经节选择动作，中枢神经门控

文件结构

JspaceAI/
├── main.py                  # 全部接入（具身 + 自主心智）
├── main_chat.py             # 只有对话
├── requirements.txt
├── README.md
└── jspaceai/
    ├── __init__.py
    ├── core.py              # 核心：Expert + JSpaceWorkspace + JSpaceModel（RK4+LayerNorm）
    ├── baselines.py         # 对比基线：FlatBaseline
    ├── task.py              # 玩具任务：多模态连续序列
    ├── trainer.py           # 训练器：预测学习
    ├── language_data.py     # 字符级 tokenizer + Shakespeare 语料
    ├── language_model.py    # 语言版 + EWC + 经验回放 + 专家可塑性
    ├── jlens.py             # J-lens 探针 + WorkspaceAblator + DirectedModulation
    ├── multimodal.py        # 多模态核心（6 模态编解码 + 12 专家）
    ├── realtime.py          # 摄像头 + 麦克风 + SensoryMotorLoop
    ├── desktop.py           # 屏幕 + 键盘鼠标 + FullSensoryStream
    ├── platform.py          # 跨平台抽象 + 权限检查
    ├── embodied.py          # 神经系统（小脑/海马体/基底神经节/中枢神经）+ EmbodiedAgent
    ├── autonomous.py        # 自主心智（好奇心/持久化/自我模型/元学习）
    ├── modules.py           # 可热插拔外挂模块
    └── evolution.py         # 自主进化训练器

数学细节

专家动力学

\dot{m}_i = -\nabla U_i(m_i) + J_i \cdot w + P_i^{in} \cdot x + \xi

势能 $U_i(m_i) = \frac{1}{2}|m_i|^2 - \frac{c}{2}\sum_k \text{softplus}(a_k \cdot m_i + b_k)$，其中 c = 1/\sqrt{\text{num\_wells}} 防梯度被 softplus 主导。

多井结构让专家在吸引子之间漫游 = 内部"思考"。

工作空间动力学

\tau_w \cdot \dot{w} = -w + \sum_i \alpha_i \cdot P_i^{out}(m_i) \alpha_i = \text{softmax}(\langle q, P_i^{out}(m_i) \rangle), \quad q = \text{MLP}(x, w)

J-space 路由

J_i 是稀疏矩阵（top-k 选择），每个专家只对工作空间的少数方向敏感 → 选择性广播。

学习目标

\mathcal{L} = \mathbb{E}\left[\|x_{t+\Delta t} - Q(w_t)\|^2\right]

自监督——只需时间序列，不需标签。

局限性

这是最小验证版本，不是生产系统：

• 玩具任务（8 维序列），不是语言/图像
• 专家数 5，不是大规模
• 对话版字符级，不是 subword

下一步扩展方向：

1. 用 adjoint method 替换 RK4（Neural ODE 路线，更低显存）
2. Scale 到更大任务（MNIST 连续预测 → 语言建模）
3. 加输出门控的真正"自发输出"（非每步都预测）
4. 接 Whisper/VITS 真实语音输入输出