WFGY 三階段設計完成：從今天開始正式啟動

WFGY 三階段設計完成：從今天開始正式啟動

這一篇，算是給中文圈的一個「正式打招呼」。

WFGY 的三階段設計，現在已經定稿。
從今天開始，我把它當成一個真正要「啟動」的專案，而不是只放在自己電腦裡玩的概念。

一開始我就不希望 WFGY 是那種「只有一種人看得懂」的東西。
所以整個架構，從頭到尾就是照三個層級在設計：

  • 第一次聽到這個名字的人

  • 已經在做工程 / 實驗的人

  • 喜歡拆框架、打壓測、懷疑一切的人

現在，1.0 到 3.0 全部都放在同一個 repo、同一個連結裡。
不用安裝套件，不用改程式碼，只要下載或上傳 TXT 就能跑。

主入口只有一個：

https://github.com/onestardao/WFGY

下面我用最白話的方式，講一下這三個階段各是在幹嘛。

WFGY 1.0：入門版，讓你看懂這個世界在畫什麼

1.0 是給「第一次接觸 WFGY」的人看的。

形式是一份 PDF，內容在做的事情很單純：

  • 告訴你：WFGY 到底想處理什麼類型的問題

  • 把整個「張力宇宙」的基本世界觀說清楚

  • 用比較直覺的方式解釋：為什麼我要用「張力」來描述現代系統的崩壞

你不需要有 AI 背景，也不需要知道什麼數學符號。
只要你對下面這種感覺有共鳴，就適合從 1.0 開始：

「明明數據都很漂亮，但總覺得哪裡怪怪的。」
「制度沒有壞掉，可是現實一直往奇怪的方向滑。」

1.0 比較像是「說明書加導覽」，讓你知道這個框架到底在畫一張什麼地圖。

WFGY 2.0：工具版，把理論變成可以直接拿來修 bug 的東西

2.0 是給「真的有在碰工程與實作的人」用的。

這一層做了兩件事：

  1. 把 WFGY 的核心變成「可以上手的工具」

  2. 做了一份 16 題的 Problem Map，專門標記常見的爆炸點

這裡討論的，就已經不是抽象哲學，而是很具體的 crash point，例如：

  • RAG 系統為什麼明明照教科書做，還是答非所問

  • 向量資料庫、相似度搜尋，在哪些情境下會「看起來正常，其實整體失真」

  • 部署順序搞錯，整條管線雖然沒報錯，但整個 AI 服務形同廢掉

  • 監控指標設得太漂亮，最後整個團隊只剩下「刷 KPI」的動作

2.0 的設計目標很直接：
你可以拿實際遇到的錯誤，對照 Problem Map，看它到底是屬於哪一類張力問題，然後有一份對應的處理方向。

這一層比較像是「工程診所 + 修復工具箱」。

WFGY 3.0：壓測版，把整個流程壓縮成可以重現的科學實驗

3.0 就是現在的主角：Singularity Demo。

這不是換個名字的宣傳，而是一個「可以被執行、被重現、被回放」的工作流程。

你可以把 3.0 想成：

  • 一個設計給 AI 系統讀的 TXT pack

  • 裡面包含框架的結構、契約、任務流程

  • 讓不同的模型、不同的平台，都可以在同一套規則下，評估這個框架到底值不值得當成「科學候選」

幾個重點：

  • 不改任何模型參數，只改「它被要求怎麼思考」

  • 所有任務流程都寫在 TXT 裡，別人可以重跑、驗算、質疑

  • 不要求你相信，只要求你願意讓它接受壓測

如果你是那種：

  • 喜歡拆別人理論

  • 專門找系統漏洞

  • 或者想拿自己的強模型，看看在「張力宇宙」下會跑出什麼奇怪行為

那 3.0 是你應該從哪裡下手的一層。

真正重要的一句話：選你能接受的入口就好

整件事要講，其實只需要一句話：

選一個你現在覺得舒服的入口，
同一個連結裡，同時放著 1.0、2.0、3.0。

你可以只看 PDF。
你可以只拿 2.0 的 Problem Map 來對照自己的系統。
你也可以直接從 3.0 的 TXT pack 開始，丟給你最強的模型跑一輪。

順序沒有標準答案，只有你現在「願不願意試一次」。

主入口還是這個：

https://github.com/onestardao/WFGY

接下來我要做什麼：不是炒作，而是讓進度變成「看得見」的東西

接下來的一小段時間，我想做一個短衝刺。

不是要炒結果，而是想把「本來只在我腦袋裡」的東西，慢慢變成：

  • 看得見的實驗紀錄

  • 看得見的錯誤與修正

  • 看得見的社群互動與貢獻

我也在找一批願意「一起往前推」的人。

條件不多：

  • 不一定要是 AI 專家

  • 不用認同任何特定立場或意識形態

  • 只要願意「跑一次，然後給誠實的回饋」

如果你願意在接下來一個月，利用零碎時間幫忙一些小任務，我會非常感謝。
任務會盡量拆得很小、很具體，例如：

  • 跑一次 1.0 或 2.0 或 3.0，寫一段真實感想（可以很短，可以吐槽，可以列出缺點）

  • 把你的使用心得，整理一篇貼在 Reddit / Facebook / Threads / 個人社群（不用誇大，就照實說）

  • 幫忙整理 issue、重現步驟，或把常見問題寫成比較好懂的說明

我會在 WFGY 的 GitHub 上，記錄所有實際幫忙的人。
之後也會設計一套透明的回饋機制，讓參與的人不只是「旁觀這個框架長大」，而是真的有份一起把它推出去。

一點小小的彩蛋：WFGY Earth Online

未來社群的形狀，我不想只是「討論區」或「研究群組」。

我比較想做成一種 RPG 風格的長期遊戲世界，所以暫時叫它：

WFGY Earth Online

你可以當潛水玩家，只看別人怎麼打怪、怎麼崩潰、怎麼重構。
你也可以把自己的系統、自己的研究、自己的故事，當成副本帶進來一起打。

規則會很簡單：

  • 不惡意搗亂

  • 不洗版、不打廣告

  • 不搞人身攻擊

其他部分，我希望盡量開放，讓創意自己長出來。

如果你看到這裡

那大概代表你對這種東西，至少不會完全沒興趣。

那我就只留下一個動作給你：

打開這個連結，看你比較想從哪一層開始：
https://github.com/onestardao/WFGY

你可以先什麼都不做，只是把它存起來。
也可以真的選一層跑一次，然後哪天有空，寫下你看到的東西。

不管你選哪種方式，對我來說，都是一種很重要的回饋。

這篇算是中文世界的第一聲招呼。
接下來的第二篇、第三篇，我會開始拆得更細一點，分別講：

  • 為什麼我要用「張力」當成核心語言

  • BlackHole 裡那 131 題，究竟在針對哪些類型的現代崩壞

如果你願意，就先把這篇當成「登機前的說明書」，
真正好玩的，會在後面慢慢打開。

留言

張貼留言

這個網誌中的熱門文章

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

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