JspaceAI

全局工作空间 + J-space 广播的智慧系统

两个版本：

1. 连续序列版 (main.py)：验证架构在多模态序列预测上的优势
2. 语言版 + 自主进化 (main_language.py)：字符级语言建模 + 边推理边学习

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

连续序列版（验证架构）

python main.py
python main.py --steps 2000 --device cuda

v2 版（J-lens + Selectivity + Directed Modulation）

python main_v2.py
python main_v2.py --steps 200 --device mps

基于 Anthropic 2026 J-space 论文优化，新增：

• J-lens：观测模型内部每个 ODE 子步的"想法"
• Directed Modulation：注入概念向量到 workspace，定向改变输出
• Selectivity 验证：ablate workspace，对比自动任务 vs 记忆任务

多模态版（摄像头 + 麦克风 + 扬声器）

python main_multimodal.py --mode train --steps 300
python main_multimodal.py --mode live --steps 50
python main_multimodal.py --mode eval

原生支持图像/音频/视频/文本四种模态，8 个专家分工。

全感官版（摄像头 + 麦克风 + 屏幕 + 键盘 + 鼠标）

# 测试所有 I/O 通道
python main_full_sensory.py --mode test

# 实时全感官感知循环
python main_full_sensory.py --mode live --steps 50

接入全部 5 个输入通道，12 个专家分工：

• 摄像头（OpenCV）：环境视觉
• 麦克风（PortAudio）：听觉输入
• 屏幕（mss）：屏幕捕获，看到自己被显示在哪里
• 键盘（pynput）：用户输入感知
• 鼠标（pynput）：用户注意力追踪
• 扬声器（PortAudio）：音频输出

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。

具身 Agent 版（完整神经系统）

# 测试各子系统
python main_embodied.py --mode test

# 实时具身循环（鼠标键盘音频屏幕全输出）
python main_embodied.py --mode live --steps 50

# 安全模式（只感知不执行鼠标键盘动作）
python main_embodied.py --mode safe --steps 30

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）

守护进程（后台持续运行）

# 启动后台守护进程（静默运行，不干扰使用）
python daemon.py start

# 低功耗模式（更长间隔，适合长期后台）
python daemon.py start --low-power --interval 2.0

# 前台运行（调试用，可看实时输出）
python daemon.py start --fg

# 查看状态
python daemon.py status

# 查看日志
python daemon.py log -n 30

# 心智自我认知
python daemon.py introspect

# 停止
python daemon.py stop

守护进程特性：

• 用户主动控制：手动 start/stop，不开机自启
• 静默后台运行：不弹窗、不发声、不控制鼠标键盘
• 持续感知学习：感知屏幕/键盘/鼠标/摄像头/麦克风 + 好奇心驱动学习
• 状态持久化：停止后状态保存，再次启动从上次继续
• 跨会话持续：海洋不蒸发，每次启动还是同一个"自己"
• 崩溃恢复：异常不崩溃，等待后继续

状态保存在 ~/.jspaceai/：

• state/：workspace + 海马体 + 基底神经节 + 自我模型
• logs/daemon.log：运行日志
• daemon.pid：进程 PID
• status.json：实时状态

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"。

改进版 v2（异构专家 + 大 workspace + 蒸馏）

四大改进：

1. 异构专家：视觉/听觉/语言/跨模态专家有不同架构（不再全是相同 ODE）
2. workspace 扩容：64 → 256 维，加 LayerNorm 防衰减
3. RK4 积分：比 Euler 稳定（||w|| 从 0.05 提升到 16.0）
4. 小模型蒸馏：接 GPT-2/Qwen 等，迁移理解能力

from jspaceai import JSpaceConfigV2, JSpaceModelV2, SmallModelEncoder, DistillationTrainer

config = JSpaceConfigV2(workspace_dim=256, num_experts=12)
model = JSpaceModelV2(config)
encoder = SmallModelEncoder(input_dim=config.input_dim, model_name='gpt2')
trainer = DistillationTrainer(model, encoder, texts=['hello', 'world', ...])
trainer.train(n_steps=100)
# 蒸馏后小模型可断开，编码器已有理解能力

对比 v1 vs v2：

指标	v1	v2
workspace_dim	64	256
expert_dim	16	64
||w||（实测）	0.05-0.35	12-16
ODE 积分	Euler	RK4
专家架构	全相同	异构
LayerNorm	无	有
小模型蒸馏	无	有

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

语言版不只是"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

连续序列版

• outputs/experiment.png — Loss/注意力/||w||/预测对比
• outputs/models.pt — 模型权重

v2 版

• outputs/experiment_v2.png — Loss/专家使用率/||w||/J-lens 读出/Modulation/Selectivity
• outputs/model_v2.pt — 模型 + J-lens 权重

基于 Anthropic 2026 论文的优化

v2 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"
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

验证结果：

• Directed Modulation 成功定向改变输出（注入 'o' → 输出 'o' 增多）
• J-lens 读出在 motor 子步最集中（符合 motor = 输出准备）
• Selectivity 符合预期：简单任务 ablate 影响小（与 Anthropic 发现一致）

实验结果

连续序列版

• JSpaceModel eval MSE: 0.0234
• FlatBaseline eval MSE: 0.0387
• JSpace 胜出 39.7%（同样参数量）
• 注意力热力图显示专家自发分工

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）

关键观察点

跑完后看 experiment.png，关注：

1. Loss 曲线：JSpace 是否收敛更快/更低？
2. 注意力热力图：4 种模式时段是否激活不同的专家？（如果是，说明 J-space 路由学到了分工）
3. ||w|| 曲线：模式切换时是否有尖峰？（如果是，说明工作空间在"感知到"环境变化）
4. 预测对比：模式切换处哪个模型更鲁棒？

文件结构

JspaceAI/
├── main.py                  # 主程序：对比实验
├── requirements.txt
├── README.md
└── jspaceai/
    ├── __init__.py
    ├── core.py              # 核心：Expert + JSpaceWorkspace + JSpaceModel
    ├── 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

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{1}{2}\sum_k \text{softplus}(a_k \cdot m_i + b_k)

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
• ODE 用 Euler 积分（精度低，但简单可 backprop）
• 专家数 5，不是大规模
• 无持续跨会话状态（每次 forward 从零初始化）

下一步扩展方向：

1. 用 adjoint method 替换 Euler（Neural ODE 路线）
2. 加跨会话状态持久化（真正的"海洋"）
3. Scale 到更大任务（MNIST 连续预测 → 语言建模）
4. 加输出门控的真正"自发输出"（非每步都预测）