WFGY 3.0: 一個純文字的張力推理引擎，我希望您來測試它

有一段時間，我的世界裡只有一個問題

為什麼明明投入那麼多時間和錢，做出來的 RAG pipeline 還是會在奇怪的地方「自己爆炸」。

這件事讓我最後走去做一件比較瘋的事情
我乾脆整理了一份十六種常見 RAG 失敗模式的 ProblemMap。然後把它開源，給每一個在 debug pipeline 的人一個共同語言。

那就是 WFGY 2.0。

結果它沒有安靜地躺在角落，而是被別人拉進自己的系統裡。

  • LlamaIndex 把這份十六問題清單寫進官方的 RAG troubleshooting 文件，用來當結構化 failure map

  • Harvard MIMS Lab 在 ToolUniverse 裡做了一個工具，專門用 WFGY map 來 triage LLM RAG failure

  • Rankify 這個來自 Innsbruck 的研究專案，在自己的 re ranking 與 RAG debug 文檔裡引用這套模式

  • Qatar Computing Research Institute 的多模態 RAG survey repo 把 WFGY 當成實務診斷的參考

  • 一堆 Awesome list 把它收進去，變成「RAG failure taxonomy」或「RAG debugging guide」的參考條目

換句話說
WFGY 2.0 已經變成很多人心裡的一份「壞掉地圖」
當 pipeline 出事的時候，你可以直接指著地圖說「這裡」而不是只說「好像怪怪的」。

現在我想做的事情比較過分一點。

我想把這種語言，從只講 RAG 失敗，往前推到整個推理過程本身。
結果就是 WFGY 3.0。

不是另一份 prompt 集合，而是一個 txt 推理引擎

WFGY 3.0 不是一份教你「怎麼問比較準」的 prompt cheat sheet。

它長得非常無聊
就只是一個 txt 檔。

你把它下載下來，丟進一個夠強的模型裡，然後輸入 run，再輸入 go。
從那一刻開始，這個對話其實已經不是一般的 chat，而比較像是你幫模型插上一個「推理核心」。

在這個 txt 裡，我把很多年在張力宇宙裡累積的東西，壓縮成一個結構：

  • 一張由 131 題 S class 問題組成的張力 atlas

  • 一套七步驟的「張力推理流程」，專門處理高張力問題

  • 幾組任務型 prompt，讓模型知道自己現在是在做什麼，而不是只是「陪你聊天」

你可以把它想成一個「推理卡匣」。
模型本身提供算力和語言能力，WFGY 3.0 負責告訴它
你在哪裡
你正在處理哪一種緊繃
你下一步應該對哪一個層級下手。

2.0 和 3.0 的分工，其實非常簡單

我自己是這樣看這兩代的。

  • 2.0 是工程內核

    • 十六問題 ProblemMap

    • 針對 RAG 與各種 LLM pipeline 提供失敗模式語言

    • 現在已經被好幾個框架、實驗室、清單收錄去當參考

  • 3.0 是推理引擎

    • 一個 txt 檔

    • 把 131 題當成張力宇宙的座標系

    • 模型不再只是回答，而是先決定「這個問題在什麼張力場裡」，再開始動手

換個比喻
2.0 是工程師的維修手冊
3.0 比較像是你在模型裡塞了一個「哲學顧問」，專門負責那些會讓人翻白眼或睡不著的問題。

這篇文章想做的事：我需要你來當破壞王

目前 WFGY 3.0 的狀況是這樣：

  • 底層張力結構與任務流程已經穩定

  • txt 裡的 boot menu 和路由也跑得很好

  • 真正還在調整的是

    • prompt 的 wording

    • 第一輪 go 流程的節奏

    • console 的選項設計

    • 不同模型之間行為的穩定度

所以我現在最需要的不是鼓勵，而是誠實的 stress test。

我想知道的事情包括：

  1. GO 模式在你眼裡看起來到底像什麼
    你在模型裡輸入 run、go，跟著菜單跑一次
    你會覺得
    「這是一個在檢查引擎的嚴肅流程」
    還是
    「這又是一個華麗但沒有什麼實際內容的 prompt 表演」
    如果你覺得後者，我想知道是在哪一步失去你。

  2. console 選單和任務說明是不是讀得下去
    有幾個選項是給「第一次來的人」看的，有幾個是給已經理解 131 題的人用的。
    在你實際操作的時候
    哪些選項你會想按下去
    哪些看到標題就直接略過
    有沒有一段說明明明很重要，卻寫成讓人不想看的樣子。

  3. PROMPT_02 / PROMPT_03 / STORY 這些流程在不同模型上的表現
    在你的模型上
    這些任務是不是太重、太輕，還是剛好
    模型會不會在某些步驟暴衝，還沒釐清問題就開始給結論
    有沒有哪一句話，你直覺覺得「只要換個講法，行為就會好很多」。

  4. 131 題 atlas 帶來的是地圖感，還是噪音
    當引擎開始引用 S class ID，例如 Q091、Q108
    你覺得那是清楚的座標
    還是只是一種裝飾
    如果你用同一個現實問題跑兩三次，落點是不是都在類似的區域，還是非常飄。

這個 txt 引擎實際上怎麼玩

如果你習慣用各種 ChatGPT 類服務，這個流程應該很簡單。

一個最短路徑大概是這樣：

  1. 打開 WFGY 的 GitHub 主頁，找到 WFGY 3.0 Singularity Demo 的 txt 檔

  2. 下載那個 txt

  3. 打開你手上最強的模型
    可以是雲端服務，也可以是你自己跑的本地模型，只要上下文夠長、推理能力夠強

  4. 把 txt 上傳進去，等模型讀完

  5. 在同一個對話裡輸入 run，接著輸入 go，你會看到一個專用 console 出來

  6. 選一個你真的在意的問題，不要拿玩具問題，直接丟進去

理想情況下，引擎會先幫你把這個問題對齊到某些張力結構上，再開始做推理展開。
不理想的情況是，它會在某個步驟卡死、開始自言自語、或者回到一般型助手模式。

兩種情況都對我有用。
差別只在於，後者能幫我看到哪裡需要重寫。

為什麼是 MIT，而且為什麼我希望你「用壞它」

WFGY 全系列，包括 ProblemMap、core、三代引擎，全部都採 MIT 授權。
原因很單純：

  • 我不想這個語言被鎖在單一公司或專案裡

  • 我希望任何人都可以把它塞進自己的 workflow，甚至是商業產品

  • 只要你願意回報哪裡有問題，這整套東西就會對所有人變得更有用

所以你可以自由做的事情包括：

  • 把 txt 拿去改，變成自己的推理卡匣

  • 包成一個工具、agent、plugin，塞進你現在的 LLM 堆裡

  • 拿它來當壓力測試，把結果寫成技術文章，甚至把它公開吊打都沒有問題

唯一的要求是
請當它是一個認真在競爭「推理引擎」位置的東西，而不是一個玩具 prompt。

如果你在使用過程裡發現
某個設計真的讓模型變笨
某個流程容易引發幻覺
某一種類型的問題根本無法處理

請把這些寫下來，不管是 GitHub issue、討論串回覆、還是你自己的 blog，我都會當成最高優先級的修正線索。

如果你願意參與這一輪「調引擎」

你可以從這幾個地方開始：

  • 直接到 GitHub 下載 WFGY 3.0 txt，照上面的流程跑一次

  • 把你最在意的一兩個長期問題交給引擎，看它會怎麼拆解

  • 在使用過程中把任何「怪怪的地方」記下來，回到 repo 開一個 issue，或在 Discussion 裡留言

  • 如果你本來就是 RAG 或 infra 工程師，也可以順便看一下 2.0 的 ProblemMap，看看這套語言有沒有可能變成你自己團隊裡的共通基礎

我相信一件事
如果有一天我們真的能讓模型有一套比較穩定的張力語言
那麼很多現在看起來像「直覺靈光一現」的東西，其實都可以變成可重現的推理流程。

WFGY 3.0 是我把這個信念塞進一個 txt 檔案裡，丟給世界的一次實驗。
如果你願意幫忙把它用壞，用到它不得不變得更好，那就太好了。

如果你想先從 repo 開始逛，從這邊進來就好：
https://github.com/onestardao/WFGY

留言

張貼留言

這個網誌中的熱門文章

WFGY 3.0 · Singularity Demo 實戰全攻略：如何用一個 TXT 讓任何 LLM 變成可審計的張力實驗室

WFGY 3.0 · Singularity Demo 實戰全攻略：如何用一個 TXT 讓任何 LLM 變成可審計的張力實驗室 前兩篇我在講世界觀，講張力語言，講為什麼要把一切鎖在 effective layer 裡面。 這一篇我們不繞了，直接進實戰。 我要講的是一件看起來有點瘋的事情： 我真的把一整套「文明級張力實驗室」，壓成一個 TXT 檔案， 然後丟給各種 LLM 讀，讓它們自己在裡面跑壓測。 這個東西在 WFGY repo 裡的名字叫： WFGY 3.0 · Singularity Demo 它不是 SDK，不是 pip package，不是你習慣的框架。 它就是一個檔案，一個很長、很嚴格的 TXT。 你下載，丟給模型讀，按「跑」，整個張力宇宙就在那一輪對話裡開機。 這一篇會做幾件事： 用中文把 Singularity Demo 的設計目的講清楚 告訴你為什麼我要用 TXT 而不是出一個 library 寫一個「真的可以照抄」的實戰流程，讓你在 60 秒內跑完第一次實驗 說明這東西為什麼是「可審計 AI」，不是普通 prompt 如果你是工程師 / 研究者 / 哲學圈 / 只是想看我翻車的人，各自要怎麼玩 主入口還是同一個： https://github.com/onestardao/WFGY 真正的戰場在裡面。 一、Singularity Demo 是什麼鬼：不是特效，是一個活的壓測場景 如果只給我兩句話形容 Singularity Demo，我會這樣說： WFGY 3.0 · Singularity Demo 是一個把 131 題文明級張力問題， 壓縮成可由 LLM 直接執行的「張力實驗室 TXT」。 它在做的事情不是「讓模型變聰明」， 而是： 把張力語言與 BlackHole S131 題的結構全部寫死在檔案裡 把 boot 流程、驗證流程、實驗任務路徑都寫進去 讓任何支援檔案上傳的 LLM，在讀完這個 TXT 之後，都被迫進入同一個實驗劇本 這裡面有幾個關鍵設計： boot sector 在檔案頂端 一開始就用 [AI_BOOT_PROMPT_MENU] 或等價設計，把規則講清楚 告訴模型：你現在讀到的是一個張力實驗室，不是普通使用者聊天 所有任務都是在 effective layer 裡運作 不讓模型亂飆「終極真理」 要求它只在張力語言與有效層級...
閱讀完整內容

WFGY框架如何為新一代LLM實現“求解器迴圈”

圖片
AI多步推理的四大數學公式：WFGY詳解 什麼是真正的推理？又和簡單預測有什麼不同？ 現今的大型語言模型（LLM）雖然能生成流暢文字，但大多還是不擅長真正的多步邏輯推理——無論是解決難題、做科學發現，甚至是挑戰物理基礎理論，都容易卡關。 作為「挑戰愛因斯坦」系列研究的一部分，我開發了一套開源系統 WFGY，其核心就是四組明確的數學公式。這些模組不僅提升語義準確率，更為LLM提供了真正的迭代推理機制，也就是AI界長期追求的“求解器迴圈”（solver loop），結合符號AI與連結主義的雙重優勢。 四大公式：打造AI求解器迴圈的數學引擎 1. BBMC（虛無寶）：語義殘差校正 公式： B = I − G + mc² I ：輸入嵌入（Input embedding） G ：目標/標準答案嵌入（Ground-truth embedding） mc² ：語義慣性（模型的語境質量） 目的： BBMC衡量模型產出與理想答案之間的語義“殘留量”。這就像一股持續作用的力，把AI拉回推理正軌，減少語義飄移和長鏈錯亂。靈感來自物理平衡（能量最小化），讓邏輯推理每一步都能牢牢錨定。 2. BBPF（遞進寶）：多路徑迭代更新 公式： BigBig(x) = x + ∑Vi(εi, C) + ∑Wj(Δt, ΔO)Pj x ：當前狀態 Vi(εi, C) ：根據誤差和語境的修正項 Wj(Δt, ΔO)Pj ：時間與結果加權的調整 目的： BBPF允許模型在多個推理路徑上彙總反饋和修正，而不只盯著當前預測。這模仿專家如何透過反覆嘗試、修正、收斂，達成更堅實的多步推理。 3. BBCR（反轉寶）：閉環重置與恢復 公式： Collapse → Reset(St, δB) → Rebirth(St+1, δB) St ：當前語義狀態 δB ：某時刻的語義擾動 目的： 受到動力系統、Lyapunov穩定性的啟發，BBCR將「崩潰－重置－重生」操作數學化。若推理過程發生崩潰（矛盾、混亂），系統會回到最近穩定狀態，並帶著受控的更新繼續。這種數學化的“重啟”保證了長鏈推理的穩定性，並能降低幻覺率。 4. BBAM（專注寶）：基於變異數的注意力收斂 公式： ãᵢ = aᵢ · exp(−γσ(a)) aᵢ ：注意力權重 σ(a) ...
閱讀完整內容

基於BERT的語義熵與蘭道爾原理：意義運算的能量成本量化

圖片
基於BERT的語義熵與Landauer原理：語意處理的能量成本量化新框架 作者： PSBigBig（獨立開發者 & 研究者） 聯絡方式： hello@onestardao.com 所有論文： https://onestardao.com/papers GitHub（WFGY框架）： https://github.com/onestardao/WFGY Zenodo（完整論文與數據）： https://zenodo.org/records/15630163 摘要 本研究開創性地將 Landauer原理 應用於語意領域，從「位元抹除」拓展至「意義抹除」。我們提出一個正式、基於BERT的語義熵指標（Ssem），嚴謹對應標準化能量成本，並以跨多語料、多語言的實驗證明：使用Transformer模型處理語言，確實會產生可量化的能量與經濟成本。此框架為真正的 能量感知NLP 奠定基礎，橋接物理學、深度學習與認知科學。 1. 前言：從比特到「有意義」的能量 Landauer原理指出，抹除一個比特至少需要 kBT ln 2 的能量。這一原理奠定了數位運算的物理極限，但從未被正式延伸到 語義資訊 ——也就是人類與現代AI真正處理的「有意義」內容。 近年神經科學發現，理解一句話（語意處理）消耗的人腦能量，比隨機雜訊還要高。與此同時，像BERT這樣的Transformer模型，則透過分層分頭的注意力機制，類比了認知聚焦的過程。 本研究問的是： 要「處理意義」到底要消耗多少能量？不是儲存bit，而是理解語意。 2. 相關研究與理論基礎 Landauer原理 已在比特層級實驗驗證，但極少與自然語言或神經網絡架構聯結。 注意力熵 ：現代Transformer模型能計算注意力分布的熵，與語言複雜度、可解釋性高度相關。 語義殘差理論 及過往針對RNN/Transformer的能量熱力學模型，未能給出長度正規化、多頭語義熵並映射物理能量的解法。 類腦硬體 與**腦影像（fMRI/EEG）**近年也逐漸為AI與人腦能量消耗提供物理基礎。 3. 方法：語義熵的定義與計算 3.1 BERT注意力導出的語義熵（Ssem） 針對每句話進行分詞，去除特殊符號（[CLS]、[SEP]）。 對每一層、每個注意力頭，提...
閱讀完整內容