beijingwahw/dsh-proactive

主动智能（Proactive Intelligence）调度插件 —— DeepSeek Harness（DSH）生态中的多模型协同调度系统：自主感知、自主决策、自主进化，内置科学家 / 理论家双心智、认知能量共生经济与九十八质变内核（证据 → 几何拓扑 / 创世 / 先知 / 均衡 / 觉醒 / 川流 / 经纬 / 奇点 / 心智 / 博弈 / 突现 / 证明 / 感知 / 判断 / 执行 / 进化 / 意识层：任意时刻有效 / 保形 / 最优传输 / 信息几何 / 层论共识 / Gittins / 稳健统计 / 差分隐私 / 容量规划 / 高斯过程 / 卡尔曼滤波 / 极值理论 / 蒙特卡洛树搜索 / 次模优化 / 对抗无悔学习 / 匈牙利全局指派 / 随机矩阵 / CVaR 分布鲁棒 / LQR 反馈控制 / 持续同调 / 信息瓶颈 / 非线性动力学 / PageRank 谱排序 / 首达时间 / Jackson 排队网络 / FFT 谱周期 / 最大流 / 极大极小公平 / OCBA 预算分配 / 法定人数交叉 / CRDT 收敛 / Shamir 秘密共享 / Haar 小波 / 低秩矩阵补全 / 投机解码 / 测试时计算 / Whittle 指数 / Lyapunov 背压 / Hawkes 自激发 / 置信传播 / 变分推断 / 朗之万采样 / 课程学习 / 率失真 / 稳定匹配 / 机制设计 / 核仁 / 相关均衡 / 动态定价 / 模拟退火 / NSGA-II 帕累托 / 压缩距离 / Mapper 图 / 部分信息分解 / A 搜索 / 稀疏恢复 / 最佳臂识别 / 镜像下降 / 在线校准 / 新奇检测 / 因果发现 / 多源对齐 / 流形学习 / 流式概要 / 论证 / 众包聚合 / 世界模型学习 / 部分可观察规划 / 符号求解 / 分层技能 / 安全屏障 / 离线评估 / 安全策略改进 / 偏好学习 / 新奇搜索 / 自我对弈 / 自动机调优 / 仿真校准 / 中断交接 / 全局工作空间 / 元认知信心 / 经验重放 / 注意力经济 / 自我边界）*。

English | 中文

什么是主动智能？

传统调度系统是被动的：收到信号才响应，没有信号就空转。本插件在「感知 → 决策 → 执行 → 反思 → 沉淀」闭环之上叠加自主层，让系统：

• 没有任务时，主动观察自身运行状态、发现瓶颈、生成改进目标
• 遇到未知领域，主动发起探索，把"不知道"变成"有经验"
• 面对未来负载，主动预测信号到达趋势，提前预留容量
• 出现异常时，主动熔断、限流、降级，而不是等到崩溃

架构总览

系统由三层组成：质变内核（一套共享统计语言的心智底座）、三环自治（操作环 / 进化环 / 元认知外环）、共生经济层（认知能量市场）。

┌─ 共生经济层（symbiosis/）─────────────────────────────────────┐
│  能量账本（复式记账·链式审计）  知识市场（连续双向拍卖·版税）      │
│  信念市场（LMSR·市场即心智）    智能体（信誉·立法执法分离）       │
│  共生运行时（生存→提案→否决→撮合→执行·铸币分红）                 │
├─ 三环自治 ───────────────────────────────────────────────────┤
│  操作环：信号→决策→执行→反思 10 步主链路（index.ts）             │
│  进化环：策略进化器 + 安全沙盒 + 金丝雀部署（policy/）            │
│  元认知外环：自我建模 → 保守调整 → 观察/回滚（meta/）             │
├─ 质变内核（core/）3.0 → 100.0 九十八内核（百数封顶）────────┤
│  证据 3.0  弹性 4.0  因果 5.0  自由能 6.0  深思 7.0             │
│  元推理 8.0  抽象 9.0  科学家 10.0  理论家 11.0                 │
│  任意时刻证据 12.0  保形预测 13.0  质量-多样性 14.0              │
│  运行时验证 15.0  Shapley 归因 16.0                             │
│  最优传输 17.0  信息几何 18.0  最优停止 19.0  层论共识 20.0      │
│  Gittins 21.0  预算 Knapsack 22.0（创世层）                    │
│  稳健统计 23.0  差分隐私 24.0  容量规划 25.0（创世层）           │
│  高斯过程 26.0  卡尔曼滤波 27.0  极值理论 28.0（先知层）         │
│  蒙特卡洛树搜索 29.0  次模优化 30.0（先知层）                    │
│  对抗无悔学习 31.0  全局指派 32.0  随机矩阵 33.0（均衡层）       │
│  CVaR 分布鲁棒 34.0  LQR 反馈控制 35.0（均衡层）                 │
│  持续同调 36.0  信息瓶颈 37.0  非线性动力学 38.0（觉醒层）       │
│  PageRank 谱排序 39.0  首达时间 40.0（觉醒层）                   │
│  Jackson 排队网络 41.0  FFT 谱周期 42.0  最大流 43.0（川流层）   │
│  极大极小公平 44.0  OCBA 预算分配 45.0（川流层）                 │
│  法定人数 46.0  CRDT 47.0  Shamir 共享 48.0（经纬层）           │
│  Haar 小波 49.0  矩阵补全 50.0（经纬层）                        │
│  投机解码 51.0  测试时计算 52.0  Whittle 指数 53.0（奇点层）     │
│  Lyapunov 背压 54.0  Hawkes 自激发 55.0（奇点层）                │
│  置信传播 56.0  变分推断 57.0  朗之万采样 58.0（心智层）         │
│  课程学习 59.0  率失真 60.0（心智层）                            │
│  稳定匹配 61.0  机制设计 62.0  核仁 63.0（博弈层）               │
│  相关均衡 64.0  动态定价 65.0（博弈层）                          │
│  模拟退火 66.0  NSGA-II 帕累托 67.0  压缩距离 68.0（突现层）     │
│  Mapper 图 69.0  部分信息分解 70.0（突现层）                     │
│  A* 搜索 71.0  稀疏恢复 72.0（证明层）                          │
│  最佳臂识别 73.0  镜像下降 74.0  在线校准 75.0（证明层）         │
│  新奇检测 76.0  因果发现 77.0  多源对齐 78.0（感知层）          │
│  流形学习 79.0  流式概要 80.0（感知层·自主识别）                │
│  论证 81.0  众包聚合 82.0  世界模型学习 83.0（判断层）          │
│  POMDP 规划 84.0  符号求解 85.0（判断层·自主判断）              │
│  分层技能 86.0  安全屏障 87.0  离线评估 88.0（执行层）          │
│  安全策略改进 89.0  偏好学习 90.0（执行层·自主执行）            │
│  新奇搜索 91.0  自我对弈 92.0  自动机调优 93.0（进化层）        │
│  仿真校准 94.0  中断交接 95.0（进化层·自主进化）                │
│  全局工作空间 96.0  元认知信心 97.0  经验重放 98.0（意识层）    │
│  注意力经济 99.0  自我边界 100.0（意识层·百数封顶）             │
└──────────────────────────────────────────────────────────────┘

三环自治与共生经济层的各模块（哨兵 / 决策 / 调度 / 执行器 / 记忆 / 反思 / 自主 / 元认知 / 进化 / 世界模型 / 共生 / 分布式 / 治理 / 客户端 / 基准仪表盘 / 契约 / 主链路）在第三轮（v0.8.0）完成全部模块世界性升级：18 个模块域各 4-6 项升级，全部 opt-in 挂载（attach* 方法 / 可选配置，缺省 = 旧行为逐位一致），并新增 src/telemetry/ 遥测审计总线模块（已入 dist 导出）——概览见下节，公告见 UPGRADE-ALL-MODULES.md。

第四轮（v0.9.0，主题「激活与深化」）在此之上完成两件事：16 个模块域再各拿 5 项全新维度升级（共约 80 项），并把第三/四轮全部模块升级经 autonomy.modules.* 16 旗标接进主链路（旗标 → attach 差分验证、全关零漂移），主链路自身加深化三件套、遥测总线完成二期——概览见下下节，公告见 UPGRADE-ACTIVATION-DEEPENING.md。

第五轮（v1.0.0，主题「全部内核世界性进化」）收官：九十八个内核本体沿数学 / 性能 / 数值稳健 / 随机化性质测试四轴再各进一格（80 个新 API 收口根导出），版本直达 1.0.0 百内核全进化里程碑——概览见第五轮小节，公告见 UPGRADE-KERNEL-EVOLUTION.md。

第三轮·全部模块世界性升级（v0.8.0 概览）

内核层铺完九十八个数学底座（3.0 → 100.0）之后，第三轮把升级面铺到每一个模块域——主链路的每个引擎、每条基础设施与共生经济全部拿到 4-6 项质级升级。每项升级都是「旧 vs 新」构造对照验证（不是「改了」，是「证明更好」），且全部 opt-in：attach* 挂载或可选配置，不启用时行为与升级前逐位一致（零漂移）。

域	核心升级	关键数字
A1 哨兵（sentinel.ts）	自适应聚合窗口三态 / 紧急度半衰期衰减 / 每源令牌桶背压 / 级联溯源链防环 / NCD 近重复 / 指纹统计	风暴滞留时延 5× 改善
A2 决策（decision-engine.ts）	滞后状态机 / 反事实决策台账（Wilson 区间）/ ask-user 信息价值门 / 上下文分桶校准 / 决策审计	边界横跳 −60%；夜间漂移漏报 18 → 0
A3 调度（model-scheduler.ts）	健康路由熔断三态（EWMA + 指数退避 + 半开探针）/ 两次选择幂 P2C 负载均衡 / 成本画像三档 / 每模型重试预算 / 调度审计	最大负载 31 < 随机 35 < 集中 120
A4 执行器（task-executor.ts）	EDF 截止期调度 / 尾延迟对冲 / 计划级重试预算 / 取消传播 + 检查点续跑 / 执行审计 / 确定性虚拟时钟	截止期满足率 3/6 → 6/6；p99 300 → 87ms（成本 +10%）；风暴重试 10 → 7；续跑省 40ms
A5 记忆（memory/）	热温冷分层 / 四路融合检索 / 别名共现消歧 / 条目校验和 + 原子写 / 迁移 dry-run diff / 图度统计	热层命中率 0.64 vs 单层 LRU 0.50；修复既有 link() 键拼接 bug
A6 优化反思（optimizer/reflector/reflection-engine）	经验检索置信路由 / 推荐三维理由分解 / 重试 bandit / 反事实 OPE 数据集 / 洞察去重衰减 / 沉淀价值评分	重试 bandit 总成本 −50%
A7 自主（goal/curiosity/autonomy-loop）	目标 DAG 预算 + 陈旧降级合并 / 价值 × 成功率排序 / 拓扑盲区定向好奇 / 心跳五相位机 / 节奏自适应 / 相位预算让位	盲区定向命中 3/3 vs 0/3
A8 元认知（meta/）	死区 + 斜坡 + 冷却稳定环 / 89.0 调整证书门（假改进 LCB<0 拒绝）/ 自我变更日志 + 快照回滚 / 自我评估校准 / KPI 相对基线带 / 内外环冲突仲裁	震荡 6 调 3 翻转 → 3 调 0 翻转；早报 32 批次 0 误报
A9 进化（strategy-evolution/policy）	证书门进化环（沙盒 → OPE → LCB → 金丝雀 → 回滚，台账持久化）/ 对抗任务自适应难度 + 边界挖掘 / 进化谱系树 / 变异算子 softmax 治理 / 停滞重启多样化 / 进化预算	「表面分高离线估值差」被 OPE 门拦截
A10 世界模型（world-model/host）	观测信念融合（源可靠性 Beta 学习 + 真冲突标记）/ 时间旅行快照 + 键级 diff / 宿主能力协商降级链 / 宿主桥五态 + 幂等键 / 世界健康度	噪声源键污染 10 → 0
A11 共生（symbiosis/）	订单簿不变量引擎 I1-I5 / LMSR 定价一致性 / 账本哈希链 + 篡改定位 / 信誉衰减 + 女巫抵抗 / 否决论证化 / 能源桑基导出	同窗刷分 209.9 → 29.98；修复折叠根缺陷
A12 分布式（consensus/sync/hot-reload）	Raft 种子化故障注入台 / 日志压缩快照 / CRDT 反熵 / 热重载依赖拓扑闭包 / 原子交换回滚	500 轮 0 安全违例；反熵传输 −87.5%；拓扑闭包 2/5 触碰
A13 治理（tenant/security/safety-governor）	极大极小水填充配额 / 吵闹邻居梯度抑制 / 密钥轮换宽限 / Shamir 5-3 托管 / 总督行动阶梯 + 冷却 / 常量时间比较	修复 Shamir 非 ASCII 乱码 bug
A14 客户端（llm-client/progress-ws）	去相关抖动退避 / token 硬预算熔断 / 流式背压有界缓冲 / 进度合并终态必发 + 缺口检测 / offset 续传 / 调用审计	雪崩同步 std 0 → 165ms+
A15 基准仪表盘（benchmark/dashboard）	符号检验 + bootstrap CI / e-过程回归检测 / BAI 聚焦 / 结构化报告 / 98 内核地图 + GWT 总线 + 注意力市场三面板	名义覆盖 0.947；回归检测功率 0.95 零误报；BAI 0.988 vs 0.960
A16 契约（types/contracts/errors）	13 码错误分类学 / 运行时校验器路径化错误 / 8 品牌 ID / Result<T,E> 单子律 / 事件信封守卫	classifyTaxonomy 命名消歧
A17 主链路（index.ts + 适配层）	10 步审计轨迹环形缓冲 / 18 工具入参校验 + schema / 资源逆序释放审计 + 漏检告警 / introspect 三增量字段 / 4 适配器建议化	旗标总览恰 50 项
A18 遥测总线（src/telemetry/ 新模块）	事件总线（通配订阅 / 环形缓冲 / 终态必达 / 缺口检测）/ 指标注册表（分位 / 基数护栏）/ 审计哈希链 / 跟踪跨度	四文件已入 dist 导出
A19 集成回归	跨域纯数据流水冒烟（信号→决策→调度→执行→反思→共生结算→账本→记忆→市场）/ 遥测 × 契约口径对齐 / 全套件统一 --experimental-transform-types 口径	verify-symbiosis 确定化修复

验证面同步翻倍：新增 19 个离线验证脚本（18 个模块域 verify-mod-* + 1 个跨域集成 verify-mod-integration），离线验证脚本总数 81 → 100（全量复验 100/100 全绿；第四轮扩至 119、第五轮扩至 138）。

第四轮·激活与深化（v0.9.0 概览）

第三轮给每个模块域装上「值得拥有的升级」；第四轮回答两个问题：还能深多少与怎么真正跑起来。16 个模块域各拿 5 项全新维度升级（约 80 项，每项仍是「旧 vs 新」构造对照、opt-in、零漂移），同时把散落的 attach* 升级收敛为 autonomy.modules.* 16 旗标接入主链路（旗标开 = 挂载生效、全关 = 与升级前逐位一致），主链路自身加深化三件套，遥测总线完成二期。

域	核心升级	关键数字
R4-1 哨兵	共因爆发检测（巧合对 lift 判别）/ 周期画像（period-miss 可见）/ 级联优先级继承 / 源质量反馈（autoDiscount 排序）/ 风暴预算共享	共因组 lift 3.85 vs 独立 ≈1.0；静默期漏报 0 条 → 按周期注入；40 代自报 0.99 恒定 → 0.6^k 代际衰减封顶；有效信号排位 4.0 → 2.0；风暴期接纳 31 → 19
R4-2 决策	批量联合决策（同型合并共担 strategist）/ 决策疲劳计量 / 失败模式聚类（Top-3 恢复）/ 决策路径解释器 / 撤销协议（三态）	strategist 10 → 1 次、成本 −58.5%；付费决策 30 → 10；解释器逐字段一致
R4-3 调度	集成组合优化（Condorcet 裁决）/ 预测性预热 / 冷启动三阶段准入（影子→金丝雀→毕业）/ 成本漂移告警 / 特长画像	Condorcet 组合 0.6576 > 最优单体 0.62；预热提前 2010ms；劣质新模型 10/10 → 0/10 被准入；特长命中 50% → 100%
R4-4 执行器	并行度自适应 / 失败域隔离 / ETA 分位估计 / 计划压缩（语义等价）/ 失败注入演练	自适应收敛并发 3、耗时 −59%；无辜迁移 5 → 0；ETA 误差 885% → 8.2%；计划 6 → 4 节点语义等价
R4-5 记忆	冲突仲裁（新证据胜出、旧观点留档）/ 老化温度曲线 / 因果链溯源 / 健康审计 / 跨任务迁移映射	保温 0.439 vs 荒废 0.051；5 类缺陷全检出；可迁移对 Wilson 下界 16 倍差距（0.596 vs 0.036）
R4-6 优化反思	跨任务经验迁移（相似度 × 质量三重门槛）/ 反思深度分级（轻→重升级链）/ 失败知识库 / 置信度传播 / 计划模板抽象	深度分级成本省 25%；同模式二次失败规避（effectiveness = 1）
R4-7 自主	目标资源冲突检测 / 探索预算自适应 / 动作安全三级（mutate 无证书 fail-closed）/ 里程碑延误 / 时段治理（跨午夜窗口）	资源缺口 2 检出零误报；探索方向 3 → 4 → 1 收敛正确
R4-8 元认知	多尺度监控（毛刺 = 波动 vs 真退化）/ 自我效能预测 / 认知负荷门 / 调整幅度元学习 / KPI 相关图	三段演进区分毛刺与退化；效能分化误差 ≤ 0.03、校准收敛；翻车后收缩逃脱死锁（旧口径卡死）
R4-9 进化	多样性仪表（坍缩预警）/ 跨任务策略迁移（无益迁移识别弃用）/ 速率自适应 / A/B 分支谱系（晋升淘汰）/ 冻结协议	预警先于坍缩 3 代、注入后多样性 8.2 倍；迁移第 1 代即部署 +0.22；确定性 20% 分流
R4-10 世界模型	反事实影子世界（0 污染三方归因）/ 不确定性地图（四分区）/ 多假说竞技场（证据翻转排序）/ 事件因果链账本 / 宿主桥池	四分区未知率 0.3 可视；坏宿主 0 执行
R4-11 共生	流动性度量 / 通胀治理（流通量目标带）/ 贡献者画像 + 突变检测 / 条件结算合约（三路托管守恒）/ 操纵检测	薄/厚簿价差 1818 vs 168bps；超发 3 次结算回归带内、分红 40 → 20；对敲 + 循环成交检出
R4-12 分布式	拜占庭检测隔离 / 分区愈合报告（截断显式入账）/ 单步成员变更 / 跨集群联邦（选择性同步）/ 热重载灰度	隔离后 5 → 4 节点照常提交；3 → 5 → 4 无双主；联邦传输 77.3%；坏版本只回滚灰度单元
R4-13 治理	配额预测（斜率外推预警）/ 密钥分级（差异化轮换 + 错级告警）/ 事件取证时间线（三重核验）/ 合规导出（SHA-256）/ 威胁评分跳档	预警提前 1000ms 零误报；合规摘要逐位一致；高危 1 次直达 vs 旧 4 次 3 冷却
R4-14 客户端	模型能力探测（失败不虚标）/ 优先级队列（抢占 + 超时）/ 流式续传（断点重传）/ 快照 + 增量无缝 / 成本对账	重传 −60%、协议不支持诚实回退；对账差异检出
R4-15 基准仪表盘	长期趋势（Mann-Kendall / Theil-Sen）/ 推荐引擎 / 对比矩阵（显著性标记）/ 告警面板 / 布局持久化	平稳流 0/48 误报（旧两点差分 12/19 喊变化）；推荐 12/12 vs 随机 2/12；显著性与逐对检验一致
R4-16 契约	API 语义版本协商 / 模式演化链（升降级诚实审计）/ 声明式不变量库 / 类型依赖图（拓扑序 + 环检测 + DOT）/ 错误重试策略四分法	15 组合协商矩阵全覆盖
R4-17 主链路（激活接线）	autonomy.modules.* 16 旗标统一激活第三/四轮模块升级（旗标 → attach 差分验证、全关零漂移）+ 深化三件套：跨步骤缓存 / 降级阶梯 / 步骤预取	缓存命中与直算逐位一致；降级三级按序 + 兜底一致；预取 62 → 50 单位、零陈旧
R4-18 遥测二期	滑动窗口聚合 / 确定性采样（Bresenham，错误必达）/ Prometheus 文本导出 / 双门限保留（链锚定校验）/ 跟踪尾部采样	采样估计器还原；保留链锚定校验通过
R4-19 集成回归	五段联合冒烟（激活链路 / 感知→决策→执行 / 经济-治理-遥测 / dashboard / Prometheus + 审计保留）+ 共生 wall-clock 根治（注入冻结时钟）	55 断言全过

验证面同步扩容：新增 19 个离线验证脚本（16 个域 verify-r4-* + 主链路 verify-r4-pipeline + 遥测 verify-r4-telemetry + 集成 verify-r4-integration），离线验证脚本总数 100 → 119（全量复验 119/119 全绿；第五轮再扩至 138）。

第五轮·全部内核进化（v1.0.0 概览）

模块层两轮铺满之后，第五轮回到内核层本体——不加内核，让九十八个既有内核（3.0 → 100.0）每一个都沿四轴再进一格：

• 数学进化：新定理背书的能力（闭式解 / 精确算法 / 更紧的界）——贝叶斯因子闭式、自然直接/间接效应、k 选择先知不等式、Fisher 双曲距离闭式、LQG 分离定理……
• 性能进化：复杂度改进 + 等价证明（新实现与旧口径逐位或解析容差一致，不是「更快但可能不对」）+ 规模-耗时对照——核仁 13937ms → 1ms、组合拍卖分支定界 ×6141、地标扩散 69×……
• 数值稳健性：病态输入加固与 log 域重写（下溢/溢出区有界、守恒律保持）——log 域 WIS（朴素口径直接 throw）、万步 e-过程资本、Joseph 形式协方差 2000 步严格对称……
• 随机化性质测试：每内核 ≥ 200 种子化输入的数学性质检验（无偏性 / 覆盖频率 / 单调性 / 守恒律 / 度量公理 / 凸性），mulberry32 种子固定、确定性可复现。

98 内核按数学亲缘分 18 组（统计推断 / 因果科学 / 贝叶斯计算 / 元认知 / 信息几何 / 规划搜索 / 决策计算 / 在线学习 / 控制优化 / 随机过程 / 谱方法 / 拓扑动力 / 公平分配 / 共识验证 / 进化学习 / 博弈机制 / 学习系统 / 弹性自主），每组独立 verify-r5-* 脚本收口；80 个新内核 API 收口至根入口（dist/index.mjs 逐符号运行时可达性断言）。验证面新增 18 个组级脚本 + 1 个集成回归（合计 1,471 项断言），离线验证脚本总数 119 → 138。

组（内核编号）	招牌进化（代表 1-2 项）	关键数字
统计推断（3.0/12.0/13.0/23.0/24.0）	贝叶斯因子闭式 + Kass–Raftery 分级 / 混合 e-过程；Mondrian 条件保形；Hodges–Lehmann 估计；指数机制 + RDP 最优阶	混合 e-过程功效 2.7×；失衡组覆盖 18.8% → 93.0%；HL 崩溃点 29.3%；最优阶 200/200 更省
因果科学（5.0/10.0/11.0/77.0）	自然直接/间接效应（前门调整）；GES 精确动态规划；批次 EIG 次模贪心；MDL 两部码分解	total = NDE + NIE 恒等；GES d ≤ 12 全局最优
贝叶斯计算（6.0/26.0/27.0/57.0/58.0）	EFE 规范分解；自然梯度；欠阻尼 MALA；FITC 稀疏 GP；UKF ≡ KF + Joseph 形式	自然梯度 12 步 vs 2000 步；ESS 424 vs 116；m = n 退化为精确 GP
元认知（7.0/8.0/9.0/96.0/97.0）	贝叶斯说服模型；泊松最优停止闭式；率失真最优抽象粒度；GWT 温度退火；二阶 ROC 参数拟合	抽象粒度由率失真定理定价；退火后胜者分布可控
信息几何（17.0/18.0/37.0/68.0/70.0）	精确 1D Wasserstein（去网格化）；Sinkhorn 散度 + Feydy 去偏；Fisher 双曲距离闭式；确定性 IB；BROJA KKT 证书；LZ77 压缩	去偏 S(μ,μ)=0；NCD 分辨率 38–44×
规划搜索（19.0/29.0/71.0/84.0/85.0）	k 选择先知不等式；PUCT + 子树重用；加权 A* w-次优界；VSIDS + 两观察文字	随机化阈值 100% 成界；Ĉ ≤ w·C* 全种子；惰性 h 调用 ≈ 39%｜V｜
决策计算（21.0/22.0/51.0/52.0/53.0/73.0）	成本版 Gittins；BwK LP 对偶证书；Whittle 策略迭代精确解；LUCB 追踪；加权多数 DP 精确；树投机束式闭式	成本 Gittins 32.5×；对偶证书 8.4× 单调链；Whittle 精确 7×
在线学习（31.0/65.0/74.0/75.0/88.0/89.0）	AdaHedge（对数体制）；乐观 FTRL；在线覆盖追踪；稀缺性定价 DP；switch-DR；多候选 FWER	常数流 regret O(1)（经典 OMD 的 1/5）；switch-DR 方差 ×10.6 降；稀缺收益 1.23×
控制优化（32.0/34.0/35.0/43.0/54.0/87.0）	CVaR 样本复杂度界；LQG 分离定理；加权背压（heavy-traffic 打赢 LQF）；多屏障合取；稀疏指派 Hall 检查；Dinic + 最小费用流对偶证书	CVaR 样本省 49×；heavy-traffic 加权背压胜 LQF
随机过程（25.0/28.0/40.0/41.0/42.0/55.0）	M/G/1 Pollaczek–Khinchine + cμ 规则；平方根 staffing；多维 Hawkes；谐波梳精确 Beta p；GPD 返回水平 delta-CI；漂移首达闭式	Hawkes 矩阵恢复 ±0.017；Kleinrock 守恒律 K! 排列不变
谱方法（33.0/39.0/49.0/50.0/78.0/79.0）	个性化 PageRank（修悬挂双重计数）；MP 密度 + Tracy–Widom 数值解；Gavish–Donoho 硬阈值；Daubechies D4 代数解；核 CCA；地标扩散	秩恢复 100%；非线性依赖 0.806 vs 0.215；地标扩散 69×
拓扑动力（36.0/38.0/66.0/69.0/76.0/91.0）	H₁ 代表圈 + clearing 引擎；Mapper 分位数覆盖；Wolf Lyapunov；LOF；密度档案精简；并行回火 + Luby 重启	Wolf λ₁ ≈ ln2 精确；并行回火 40/40 ≥ 单链
公平分配（16.0/44.0/45.0/60.0/63.0/99.0）	加权 Shapley（部分排列 DFS）；EF1 判定 + 嫉妒循环消除；nucleolusFast；序保持 OCBA 圆整；加权汉明 RD；衰减注意力	nucleolus 13937ms → 1ms；EF1 消除带定理保证
共识验证（15.0/20.0/46.0/47.0/48.0/56.0）	R+W>n 分析器 + 栅格法定人数；delta-CRDT；Feldman VSS；LTLf 过去算子 + DFA 最小化；层论 H⁰ 维数 + 全局截面；Bethe 自由能 + GDL 前缀积	通信 −44%；篡改 100% 拒；在线监视 ×17431
进化学习（14.0/59.0/67.0/92.0/93.0/98.0）	CVT-MAP-Elites；ε-支配归档；弱点画像 + α-rank；最优课程排序定理；三因子重放；η 扫描理论 + 异步 bracket	CVT 覆盖 = 1 > 网格口径；课程排序定理背书
博弈机制（61.0/62.0/64.0/81.0/82.0/90.0）	多对一容量 DA（Rural Hospital 定理）；组合拍卖分支定界；粗糙 CE；已知混淆贝叶斯聚合；价值型论证 VAF；Plackett–Luce	分支定界 ×6141；全对抗 crowd 贝叶斯聚合 = 1.0
学习系统（30.0/72.0/80.0/83.0/86.0/94.0）	图割 SFMin（全局最优）；SAFE 强规则筛选；优先扫除；瓶颈技能自动发现（Brandes + Tarjan）；CountSketch（负计数对消）；截断 IW + 加权 bootstrap	SFMin = 2ⁿ 穷举同解（260 种子）；SAFE 安全筛选 0 违例
弹性自主（4.0/95.0/100.0）	Weibull 全闭式 + k-of-n Poisson-binomial；多源中断组合不变性 + 向量化扫描；多步因果链 + 他者模型	k-of-n 闭式 1867×；向量化扫描 6.5×；意图方向 ±0.80

1.0.0：五轮里程碑

• 0.5.0 基线：48 质变内核（3.0 → 50.0，七大层）+ 三环自治 + 共生经济底座；
• 0.6.0 第一轮（创世纪）：+25 内核（51.0 → 75.0）铺「能调用什么数学」，13 引擎接线；
• 0.7.0 第二轮（自主本体）：+25 内核（76.0 → 100.0，百数封顶）铺自主识别/判断/执行/进化/意识，14 引擎接线；
• 0.8.0 第三轮（全部模块世界性升级）：18 模块域 × 4-6 项质级升级 + 遥测总线新模块；
• 0.9.0 第四轮（激活与深化）：16 域 × 5 项全新维度 + modules.* 16 旗标接进主链路 + 深化三件套；
• 1.0.0 第五轮（全部内核世界性进化）：98 内核 × 四轴进化 + 80 新 API 根导出收口，验证面 138 脚本全绿——百内核全进化里程碑。

核心特性

主动感知与自主决策

• Sentinel 多源信号接入（webhook / 文件监听 / 轮询 / 手动注入），聚合窗口去重、紧急度智能排序
• 战略决策引擎：execute / defer / dismiss / ask-user 四级决策，统计学习（时间衰减 + Wilson 下界 + UCB 冷启动）持续校准
• 经验检索 + DAG 计划生成 + 多模型并行执行，10 步主链路单向数据流

科学家 / 理论家双心智

• 科学家内核（core/scientist.ts）：贝叶斯最优实验设计——为「知识获取本身」定价。真 EIG（nat）评估实验信息价值、混杂加成（实验独占价值）、预算仲裁（netValue = EIG − cost）、信息台账校准、知识前沿收缩
• 理论内核（core/theorist.ts）：层级贝叶斯 + MDL（理解即压缩）——把数据压缩为定律。同族观测边汇聚为定律（借力收缩）、压缩定价（对数贝叶斯因子）、零样本预测、反常侦测、范式转移（库恩跃迁）

任意时刻证据 / 保形 / 多样性 / 形式安全 / 公平归因（12.0 → 16.0）

• 任意时刻证据内核（core/anytime-evidence.ts）：置信序列 + e-过程——任何时刻偷看都合法。时间一致置信区间（缝合 CS）随时读取随时有效；e-过程资本以 Ville 不等式裁决假设，多基因组淘汰经 e-BH 过程获得 FDR 上限（冤案率有数学保证）；元认知 KPI 保证层挂载后，退化/恢复判定升级为情节化状态机（水位线两侧各自积累证据，越线即重置——偷看免疫、恢复可判）
• 保形预测内核（core/conformal.ts）：分布无关精确覆盖——零分布假设的预测区间。分裂保形区间给出有限样本精确保证（P(实际 ∈ 区间) ≥ 1−α）；覆盖漂移监视器以可预测 λ 下注的 e-过程侦测失准；阈值自校准升级为风险受控选择（经验伯恩斯坦上界 + Bonferroni，P(未来重试率 ≤ 目标) ≥ 置信水平）
• 质量-多样性内核（core/quality-diversity.ts）：MAP-Elites 行为归档——多样性坍缩被结构性阻断。策略基因按行为描述子（敢为/节俭/警觉三维）落入 niche 网格，各流派获得等量试验预算（前沿均匀采样）；QD-score 同时度量质量与覆盖，进化不再收敛到单一解
• 运行时验证内核（core/runtime-verification.ts）：LTLf 规约监视——安全规约形式化，裁决携带证明。缺省规约集（无失败风暴 / 命令必响应 / 周期心跳 / 先授权后执行）编译为四类监视器原子；违规报告含完整证据轨迹与反例见证；severity 分级升级（critical → Kill Switch、warn → 熔断、info → 审计）
• Shapley 归因内核（core/shapley.ts）：公理化公平分配——贡献拆账有数学定理背书。效率/对称/哑元/可加四公理精确满足；置换采样 + 任意时刻有效置信区间（边采样边出置信界，停不停都有保证）；协同侦测自动识别 1+1>2 的正协同与搭便车的负协同

最优传输 / 信息几何 / 最优停止 / 层论共识（17.0 → 20.0）

• 最优传输内核（core/optimal-transport.ts）：Wasserstein 距离 + Sinkhorn——漂移检测看见分布的形状。一维精确 W₁（分位数耦合，O(n log n)）、对数域稳定化 Sinkhorn（任意代价矩阵）、Wasserstein 重心（保留形状的分布融合）；形状感知漂移监视器（滑动窗 vs 不相交基准窗 + 历史分位自适应阈值）挂载元认知后——均值不变而形状巨变的「换了世界」第一次可见（12.0 水位检测的盲区补位、13.0 保形区间的绊线）
• 信息几何内核（core/information-geometry.ts）：Fisher 度量 + KL 信任域——进化在流形上行走。策略变异从坐标轴独立加噪升级为种群协方差主轴展开的联合相关步（有利基因组合完整传递）；步长以 nat 计价（KL 信任域 Mahalanobis 封顶），仿射重参数化下严格不变（数值验证：坐标缩放 100×/0.01× 后步长 6 位小数不变）；条件数 / 有效维数（参与比）让搜索几何本身成为可观测对象
• 最优停止内核（core/optimal-stopping.ts）：先知不等式 + 向后归纳——等待有了数学价格。经验分布上的精确停止价值递推（V_k = E[max(X, V_{k+1})]）、先知基准（次序统计量精确计算 E[max]）、Samuel-Cahn 单阈值规则（任意分布 ≥ ½ 先知保证）、秘书 1/e 规则与 Bruss 赔率算法；决策引擎规则 C 挂载后，高成本信号的 defer/execute 从「urgency < 0.3」魔数升级为继续价值裁决（现值 ≥ V_{horizon} 即执行——占坑数学最优，否则等待有价）
• 层论共识内核（core/sheaf-consensus.ts）：胞腔层拉普拉斯 + 调和共识——分歧的形状可见。「谁与谁、在哪些声明上应该一致」成为一等数学对象（顶点 stalk + 边限制映射）；加权调和共识（软调解解 + 完美共识流形最优拟合双解口径）输出共识指派、各源翻供距离（离群者定位）与结构性障碍检测——0.9/0.1/0.5 的循环硬约束下平均化会说 0.5 皆大欢喜，本内核说「无解，先解决矛盾」；sheaf_consensus Tool 让大模型在推理时直接调用结构化信念融合

最优索引调度 / 预算最优路由（21.0 → 22.0）

• 最优索引调度内核（core/index-scheduling.ts）：Gittins 指数精确计算——模型调度第一次有了可证明最优的口径。对每个候选的 Beta 后验求解折扣 bandit 最优索引（退休 MDP 在 (α,β) 三角形上按 n 反向归纳一遍即得全部 V_R，无需不动点迭代；对无差异退休金二分），调度按 ν × availability 排序；学习溢价 = ν − p̂ 随证据积累自动归零（探索自我终结，不再需要手设探索预算），与 UCB 乐观上界启发式的本质区别是最优性有定理背书
• 预算最优路由内核（core/bandit-knapsack.ts）：Bandits with Knapsacks——预算约束下的最优路由，影子价格内生涌现。质量走经验伯恩斯坦乐观上界（复用 12.0），可行性按「剩余预算 / 剩余轮数 × (1+slack)」判定，影子价格 λ 从不可行高质臂与选中臂的混合 LP 顶点实时解出（固定 costWeight 只是 λ 的一次性猜测）；无可行臂时选最廉臂止血并标记 urgent（负载卸载，而非假装最优仍存在）

创世层（23.0 → 25.0）

• 稳健统计内核（core/robust-statistics.ts）：Catoni 估计 + Median-of-Means——重尾延迟下均值不再被尾部绑架。仅有限方差假设即得 sub-Gaussian 型置信界（普通均值被 5% 污染 × 1e6 幅度的尾部搬到 50000，Catoni 压回 2.69——四个数量级的抗性）；每模型延迟流随样本量自适应 mean → MoM → Catoni，启用后 getModelStatuses 输出 robustAvgLatencyMs
• 差分隐私内核（core/differential-privacy.ts）：Laplace/Gaussian 机制 + Rényi-DP 记账——遥测不裸暴露个体。折半分账永不超支（Σε ≤ ε），id/时间戳自动跳过，RDP→(ε,δ) 解析转换；心智报告 / Sankey 能量流启用后数值叶经扰动发布
• 容量规划内核（core/capacity-planning.ts）：Erlang-C / Kingman 反解——并发上限第一次从排队论里算出来。心跳 2.5 段把世界模型预测到达率 × 稳健平均延迟喂入排队论规划器，反解「守住目标等待时间」的最小并发；不可行（ρ≥1）时诚实返回 infeasible 并建议扩容/降载

先知层（26.0 → 30.0）

• 高斯过程内核（core/gaussian-process.ts）：RBF/Matérn 贝叶斯回归 + 期望改进——预测偏差本身成为可学习的曲线。世界模型校准史的 actual/predicted 比值序列经 GP 回归给出带不确定度的乘性修正因子（趋势修正的 1.25/0.75 魔数由对账结果接管）；EI 采集函数（解析式与蒙特卡洛对照）支撑离散候选集上的贝叶斯优化
• 卡尔曼滤波内核（core/kalman-filter.ts）：局部线性趋势滤波 + RTS 平滑 + NIS 门控——突变判定从启发式升级为假设检验。KPI 整条历史压进 (level, slope) 充分统计量，新息平方和超出 χ²(1) 99.7% 分位才报警（99.7% 不该发生的才算异常），缓慢漂移由滤波斜率早期读出；随机游走稳态与闭式 P∞=(√(q²+4qr)−q)/2 精确对照
• 极值理论内核（core/extreme-value.ts）：POT/GPD + Hill 估计——p99.9 不再是「样本最大值」的运气。Pickands–Balkema–de Haan 定理保证超阈值超出量收敛于 GPD，Grimshaw 剖面似然一维搜索定参，尾部分位数定理化外推（含 bootstrap CI）；心跳 2.7 段对延迟样本评估尾部风险，超出目标产出 tail-risk 洞察
• 蒙特卡洛树搜索内核（core/mcts.ts）：UCT + 折扣回报——搜索预算的分配本身成为序贯决策。转移边按 Beta 后验采样成败，UCB1 平衡利用/探索，节点本地回报回传（无深度偏置），迭代/时间预算耗尽即读出（任意时刻性）；深思引擎 searchMcts 与 beam search 同口径互查
• 次模优化内核（core/submodular.ts）：加权覆盖 + 惰性贪心（CELF）——探索预算的分配第一次有近似比保证（≥ (1−1/e)·OPT，Nemhauser–Wolsey–Fisher）。知识项自身为主题、相似项部分覆盖：冗余第二选的边际衰减到 (1−c)·w，互补盲区优先入选；曲率修正把保证收紧到 (1−e^{−c})/c·OPT

均衡层（31.0 → 35.0）

先知层预测世界的未来；均衡层承认世界会反击——对手、全局约束、噪声、最坏情况、反馈失稳。五个数学支柱把调度系统从「预测最优」升维到「对抗均衡」。

• 在线学习内核（core/online-learning.ts）：Fixed-Share Hedge——对手无论怎么出招都不后悔。系统里一切统计学习（Wilson / UCB / Gittins）都假设世界是平稳概率分布；本内核叠加对抗口径：模型评分乘以有界 Hedge 乘数（[0.25,4]），对事后最优固定模型的遗憾 ≤ √(2T lnN)（Freund–Schapire，分布假设无关）；α 份额回灌保证模型能力翻转可跟踪（Herbster–Warmuth），被打爆的模型以每失败一轮 e^{−η} 的速度降权——比统计口径快一个数量级
• 全局指派内核（core/optimal-assignment.ts）：匈牙利算法（Jonker–Volgenant O(n³)）——批内选型从局部贪心到全局最优。同批动态选型节点构造「节点 × 候选」评分矩阵求线性和指派精确解：最优模型不再被同批节点重复超订、次优不再闲置；对偶证书（u_i+v_j ≤ c_ij + 互补松弛 + 零间隙）让最优性可被逐位检查而非被声称（与 15.0 同一「证明携带」哲学）
• 随机矩阵内核（core/random-matrix.ts）：Marchenko–Pastur 噪声边界 + 特征值清洗——相关性从统计幻觉升级为可证伪的结构断言。模型失败序列的样本相关矩阵大部分谱结构是纯噪声（MP 带）；循环 Jacobi 特征分解 + Laloux/Bouchaud 清洗把伪相关吸收进噪声带（不误报），头号特征值显著超带且解释份额达标 → systemic-risk 洞察：同厂商/同上游的模型会同沉浮，「看起来分散」的热备冗余是幻觉
• 分布鲁棒内核（core/robust-decisions.ts）：CVaR + Wasserstein 球——最坏情况有了闭式价格。超时预算 = margin × CVaR_α(该模型延迟史)（Rockafellar–Uryasev 精确式，相干风险度量四公理背书）：重尾模型自动获得更长预算、轻尾模型不被一刀切；Wasserstein-1 鲁棒均值是 KR 对偶的代数恒等式（sup = E + ε），超越概率的球内最坏化有精确有限样本算法
• 反馈控制内核（core/feedback-control.ts）：离散 LQR + Lyapunov 证书——并发上限的闭环驾驭。25.0 排队论反解给出静态目标，本内核让 computeParallelism 成为追踪目标的反馈控制器：增益从 DARE 闭式解出（与不动点迭代逐位对账），闭环每一步的稳定性被李雅普诺夫函数证明（V(e_{k+1}) − V(e_k) = −(qe²+ru²) 到机器精度）；死区抗抖振、钳位抗饱和，AIMD 式启发式调参退役

觉醒层（36.0 → 40.0）

均衡层与世界博弈；觉醒层看见自己的形状——知识的拓扑、蒸馏的信息价格、KPI 的动力学体质、影响力的结构涌现、恢复等待的概率定价。五个数学支柱把「自我认知」从报告口径升维为可计算的数学对象。

• 持续同调内核（core/persistent-homology.ts）：H₀ 持续图 + 瓶颈距离——知识的形状跨尺度可见。共现权重视为相似度、阈值扫描给出大陆（稳定知识簇）/孤岛（与任何主题不共现的记忆——盲区的拓扑定义）；瓶颈距离带 Cohen-Steiner–Edelsbrunner–Harer 稳定性定理（输入扰动 δ ⟹ 地形漂移 ≤ δ）。query_memory 新增 topology 动作直接查询知识地形
• 信息瓶颈内核（core/information-bottleneck.ts）：Blahut–Arimoto / Tishby——蒸馏的信息论定价。X = 任务位型、Y = 成败，IB 最优压缩的保留率 I(T;Y)/I(X;Y) 是「这批样本携带多少值得蒸馏的新信息」：同构批（保留率 < 下限或 I(X;Y) < 0.05 nat）诚实跳过——水位再高也只产出重复知识；数据处理不等式保证保留率 ≤ 1（三次确定性重启逃离硬指派冻结）
• 非线性动力学内核（core/nonlinear-dynamics.ts）：Rosenstein Lyapunov + R/S Hurst——KPI 的体质分类。混沌（λ₁ > 0，最近邻可预测性门控排除白噪声伪混沌）→ 预测视野 ~1/λ₁ 步；持续（H > 0.5）→ 趋势加权；反持续（H < 0.5）→ 突破降权；logistic 映射 λ₁ = ln2 解析对照
• 谱排序内核（core/spectral-ranking.ts）：PageRank 幂迭代——知识图的影响力从结构涌现。「被重要者共现者重要」写成不动点，线性收敛 + 质量守恒可逐位检查；related() 联想序升维为「边权 × 邻居影响力」，topInfluential 输出知识骨架（蒸馏保骨去肉的依据）；环图精确均匀是验证锚点
• 首达时间内核（core/first-passage.ts）：反射原理 + 逆高斯 + 赌徒破产——熔断恢复的概率定价。失败间隔的漂移/波动喂入首达模型，二分解出「以 target 概率确信失败强度已恢复」的最小冷却；μ̂ ≤ 0 的结构性恶化诚实给出不可达；Brownian 反射恒等式与 2 万路径模拟对照

川流层（41.0 → 45.0）

先知预见、均衡博弈、觉醒自视；川流层让吞吐、周期、公平与预算成为流数学的对象——瓶颈站在哪、节律是什么、上限被谁钳制、名额怎么分、确认花给谁，五个经典问题五个定理背书。

• 排队网络内核（core/queueing-network.ts）：Jackson 乘积形式 + Erlang-C——瓶颈站第一次可算。25.0 反解单站并发；41.0 把各模型作为独立 M/M(c) 站（乘积形式下边际独立），心跳 2.9 段解出 ρ 最大的瓶颈站——「其他站再快也无济于事」的钳制者。验证：12 万事件串联 M/M/1 模拟对照端到端逗留解析值 8/3、稳态队长边际相关性 ≈ 0
• 谱周期内核（core/spectral-periodicity.ts）：FFT 周期图 + Fisher g 检验——节律从数据里解出来。时段热度是「周期被预设为一天」的直方图；radix-2 FFT + Fisher g 精确分布让任意周期（分钟回环/昼夜/周节律）成为假设检验，显著时相位感知的谐波季节因子接管预测。验证：FFT 往返恒等、Parseval、注入周期恢复、白噪声不显著
• 最大流内核（core/max-flow.ts）：Edmonds-Karp + 最小割证书——吞吐上限与钳制者同时可算。类型需求 × 模型容量的流网络上，max-flow = 可立即满足的最大并发派发，min-cut 指认钳制者（类型在饿还是模型是独木桥）；割容量 = 流值是 Ford-Fulkerson 证书（与 15.0/32.0 同一「证明携带」哲学）。验证：随机 200 例与穷举最小割同解
• 公平分配内核（core/fair-division.ts）：加权极大极小注水——没有谁被饿死是定理。探索预算按任务家族分配从「新颖度赢者通吃」升级为 progressive filling（Bertsekas–Gallager 词典序最优 + 整数保底）：热门家族可以多拿，但任何活跃家族的相对份额不被压扁。验证：教科书注水解 [4/3,4/3,4/3,1] 与公平支配性审计
• 预算分配内核（core/budget-allocation.ts）：OCBA 最优计算预算——找瓶颈的每一步都花在刀刃上。基准重跑预算从均匀升级为 Chen et al. 闭式分配（n_i ∝ (σ_i/δ_i)²），P(正确选中瓶颈) 的指数衰减率最优（Glynn–Juneja）；报告附加 bottleneckFocus。验证：Monte Carlo P(CS) OCBA ≥ 均匀

经纬层（46.0 → 50.0）

川流层让吞吐成为流数学；经纬层编织系统的底层织物——共识的交叉、副本的收敛、密钥的分形、尺度的分解、能力的潜维度。五个支柱落在最后五个未升级的模块上。

• 法定人数内核（core/quorum-systems.ts）：quorum 交叉 + 拜占庭 3f+1 下界——共识安全性被检查而非被相信。多数派最小交集闭式 2q−n 与穷举枚举逐位一致；Raft quorumAudit() 在真实集群配置上输出交叉/容错/负载读数；n ≤ 3f 时诚实判不可行（不存在性定理）
• 无冲突复制内核（core/crdt.ts）：CRDT 三定律——副本收敛是代数性质。G-Counter/OR-Set/LWW 的合并满足交换/结合/幂等 ⟹ 乱序+重复 gossip 后状态逐位一致（Shapiro 强最终一致性定理）；DistributedSync 的 CRDT 通道双实例实测收敛
• 秘密共享内核（core/secret-sharing.ts）：Shamir 阈值 + 随机性审计——信任被分形，密钥被检验。任意 t 份枚举重建精确成功、t−1 份信息论零泄露（重建值随机等可能）；CryptoEngine shardKey/combineKeyShares 真实分形；NIST 频数+游程审计密钥原料
• 多尺度内核（core/multiscale-wavelet.ts）：Haar 小波——慢漂移与快突发在不同尺度上分离。正交分解（完美重构 + Parseval 能量守恒到机器精度）给出趋势水平/漂移带能量/瞬时突发的尺度读数；元认知 waveletView 挂载后可读
• 矩阵补全内核（core/matrix-completion.ts）：ALS 低秩潜因子——冷启动能力从潜维度涌现。「模型 × 任务」能力矩阵部分观测经交替最小二乘补全（Candès–Recht 恢复条件），未测类型的能力由潜因子外推；调度器 coldStartEstimate 让新模型选型从零样本升级为潜维度预测

奇点层（51.0 → 55.0）

十五层铺完了底座；奇点层把「算力本身」变成调度对象——草稿要不要投机、投票投几路、落选的臂还在演化时选谁、积压的队列怎么分服务、风暴是不是自激发的。五个数学支柱让算力、激活、稳定性与传染性各有一个闭式口径。

• 投机解码内核（core/speculative-decoding.ts）：draft-verify-accept 期望收益闭式（Leviathan–Kalman–Matias 2023 谱系）——「快模型打草稿、强模型批量校验」第一次有了经济学裁决。逐 token 接受率 γ 与成本比 r 下，最优草稿长 k* 由一阶边际条件闭式解出，加速比 S(k) = N(k,γ)/(1+rk)；γ̂ 低于临界值时判退定理诚实退回直通（「越跑越亏」的配对被数学终止）。调度器挂载后 speculativePairFor 按延迟/成本画像产出配对裁决，γ 遥测回填后采纳通道自动开启
• 测试时计算内核（core/test-time-compute.ts）：compute-optimal 推理缩放——「多想一会儿」的价格与天花板都被算出来。多数票正确率走精确二项（log-Γ 逐项求和），β-binomial 相关校正给出精度天花板与有效样本数（相关让样本「变少」），不可达目标被诚实拒绝；质量-算力幂律下拉格朗日水填充把预算配给投票/精炼，边际增益 < 价格即早停。执行器挂载后高价值任务按 p̂ 与目标置信度自动升投票路数
• Whittle 指数内核（core/whittle-index.ts）：不休眠 RMAB（Restless MAB）一阶松弛——落选臂继续演化时，「部分激活调度谁」有了指数口径。每臂补贴 MDP 的无差异 λ 二分求解（Whittle 1988；Weber–Weiss 渐近最优），可索引性显式扫描检查；两态收益族附恒可索引性定理及证明（4 策略逐段仿射斜率论证）。调度器挂载后动态选型切换 RMAB 口径，21.0 Gittins 的「不休眠」姊妹篇
• Lyapunov 漂移加罚内核（core/lyapunov-drift.ts）：背压调度 + 对偶价格涌现（Neely 2010）——队列积压本身就是优先级权重。二次型 Lyapunov 漂移加罚给出 [O(1/V) 次优, O(V) 队长] 权衡定理，对偶价格 p_i = Q_i/V 收敛到容量域 LP 的最优乘子——影子价格不是估出来的，是队列深度。执行器挂载后在途队列账本可见，价格超阈产出「到达率逼近容量域」的稳定性告警
• Hawkes 自激发内核（core/hawkes-process.ts）：指数核 Hawkes 过程——「事件激发事件」的传染数学进入信号感知。EM 拟合（Veen–Schoenberg / Lewis–Mohler，O(N) 链式递推）从到达时间戳解出自激发强度，分支比 η = α/β < 1 平稳性边界显式校验；Ogata 时间重标残差（应 i.i.d. Exp(1)）作失配哨兵，爆发预测闭式外推下一窗口。哨兵挂载后到达流的自激发份额与爆发预报可读——Poisson 假设对重试风暴的系统性低估被修正

心智层（56.0 → 60.0）

奇点层调度算力；心智层升级「信什么、怎么推、往哪走、学多难、忘多少」的推断基础设施——概率融合、后验近似、后验采样、难度课程、遗忘定价五件套。

• 置信传播内核（core/belief-propagation.ts）：因子图 sum-product / max-product（Pearl 1988）——多源证据的逻辑结构第一次可表达。「互斥」与「互相印证」在加权平均眼里是同一个 0.5，因子图把证据间逻辑写成因子，树上消息传递即精确边缘化（收敛迭代数与树性判定随结果返回）。世界模型挂载后 fuseBeliefs 输出联合后验边缘——20.0 层论共识（检测矛盾在哪里）的概率姊妹篇（回答矛盾之下各假设多可信）
• 变分推断内核（core/variational-inference.ts）：CAVI 平均场 + ELBO——「后验」从点估计 + 手拍区间升级为真分布。ELBO 单调性随轨迹可审计，共轭线性回归情形对照精确后验恢复；6.0 自由能引擎的 KL(q‖p) 从此有了非退化的 q 供给。元认知挂载后 KPI 回归系数以 N(m, s²) 报告——「参数还有多不确定」可计算
• 朗之万采样内核（core/langevin-sampling.ts）：ULA / MALA + Bures W₂——「从后验里抽一个」成为梯度 + 噪声。不变分布恰为 Boltzmann π ∝ e^{−U}，MALA 接受率对照 0.574 最优口径，Bures-Wasserstein 距离审计样本矩对真矩的收敛（采样器健康度）。策略进化挂载后变异分布的 MALA 体检只读输出，种群基因逐位不变（诊断零漂移）
• 课程学习内核（core/curriculum-learning.ts）：掌握门限晋升状态机——「练够了没有」第一次有了定义。Beta 后验 Wilson 下界越过掌握门限即晋升、连续失败即回退，难度非单调时允许绕行；三种子课程（均匀/最难/掌握门限）200 种子对照给出学习增益实证。好奇心引擎挂载后探索难度按掌握度爬阶，探索统计口径不变（记账不侵入既有行为）
• 率失真内核（core/rate-distortion.ts）：Blahut–Arimoto + keep-compress-drop 规划——「忘什么」有了信息论定价。二值源率失真函数迭代到 1e-6 精确，长期记忆条目按价值密度排入 keep/compress/drop 三档，预算边界的影子价格 λ* 量化「记忆库趋紧」——水位魔数（来得勤不勤）被值不值得记接管。挂载后 compressionPlan 只读输出规划，执行仍由蒸馏管线决定

博弈层（61.0 → 65.0）

心智层修内功；博弈层给共生经济补上市场设计的数学——撮合要稳定、喊价要说真话、分账要无异议、协调要自执行、价格要会学习。五个机制定理落进共生桥的影子口径。

• 稳定匹配内核（core/stable-matching.ts）：Gale–Shapley 延迟接受——没有阻挡对的撮合才自执行。双边偏好下延迟接受产出稳定匹配（提议方最优），稳定匹配集构成格、TTC 给房屋交换强核；稳定性证书（阻挡对计数 = 0）随结果返回。共生桥挂载后 agent↔任务的撮合走双边偏好而非价格压扁
• 机制设计内核（core/mechanism-design.ts）：VCG + Myerson——「说真话」成为占优策略的定价规则。VCG 按外部性定价（赢家支付他人机会成本，DSIC），Myerson 最优保留价从经验分布铁化虚拟价值学出（均匀 [0,1] 基准与文献锚点对照）；5/12 收益对照等经典数值进验证。共生桥挂载后知识市场保留价下限与竞争出清有了定理背书
• 核仁内核（core/nucleolus.ts）：Schmeidler 字典序最小抱怨——分账对最坏联盟也无异议。BigInt 精确有理数单纯形序列求解最小核到核仁，抱怨向量字典序最小；核空时核仁仍存在且唯一（退居最小核），Shapley（平均公平）与核仁（最坏联盟公平）双口径并陈，分裂即暴露结构性异议联盟。共生桥挂载后版税分账可审计
• 相关均衡内核（core/correlated-equilibrium.ts）：regret matching 收敛 + 交通灯协调——公共信号让协调脱离 Nash 窄门。Hart–Mas-Colell 无悔动态收敛到相关均衡（外部后悔 → 0、偏离激励不等式组可逐条检查），经典协调博弈的交通灯相关方案对照独立混合 Nash 约 9.75 倍收益。共生桥挂载后竞争性协调议题输出 CE 画像（影子口径）
• 动态定价内核（core/dynamic-pricing.ts）：learning-to-price——未知需求曲线下的价格发现。报价-成交的 bandit 反馈上走 UCB 乐观定价与 Thompson 后验定价（线性需求 d(p)=1−p、p*=0.5 解析锚），遗憾 √T 界随结果返回。共生桥挂载后费率档按成交历史学习报价（抢手档自动上探），不改铸币数值（影子口径）

突现层（66.0 → 70.0）

博弈层管多体；突现层让整体大于部分之和的那部分可计算——跳出势阱的温度纪律、互不支配的前沿菜单、压缩即相似的距离、能看的经验地图、1+1>2 的信息分解。

• 模拟退火内核（core/simulated-annealing.ts）：Hajek 对数降温——跳出吸引盆地是带定理的纪律。对数降温 c_t ≥ c/ln t 下依概率收敛全局最优（Hajek 条件实证），Boltzmann-Gibbs 平稳分布频率与理论频率对照；适应度链势阱深度分析输出「井有多深、18.0 测地线有多困」。策略进化挂载后 SA 逃逸体检只读输出
• NSGA-II 帕累托内核（core/nsga2-pareto.ts）：非支配排序 + 拥挤距离——多目标调度先出前沿、后选点。快非支配排序 + 拥挤距离保持前沿展开（比加权和 GA 铺开约 130 倍的实证对照），2D 超体积随代数单调可审计；14.0 在行为空间保流派、本内核在目标空间保前沿（正交互补）。调度器挂载后 paretoFrontView 输出「质量-成本-延迟」前沿菜单，「多花 2 分钱省多少毫秒」从相邻点直读
• 压缩距离内核（core/compression-distance.ts）：LZW + NCD——「内容相近」的零模型判据。归一化压缩距离 NCD(x,y) = [C(xy) − min C]/max C 是 Kolmogorov 复杂度的可计算代理，√2−1 自距离下界定理约束压缩器噪声，NCD 三角审计与家族聚类恢复进验证。长期记忆挂载后 NCD 近邻查重（只读咨询）不依赖嵌入模型
• Mapper 图内核（core/mapper-graph.ts）：滤镜-覆盖-纤维聚类-神经图（Singh–Mémoli–Carlsson 2007）——高维经验压成能看的骨架地图。低维滤镜 × 重叠覆盖 × 纤维内聚类 × 跨覆盖连边，圆环数据的 H₁ 圈基 = 1 与 36.0 持续同调互证。世界模型挂载后 experienceMapperView 在「总量 × 活跃度」对数平面输出经验骨架与洞察
• 部分信息分解内核（core/partial-info-decomposition.ts）：BROJA PID——「1+1>2」第一次写成可计算的数。互信息总量拆出冗余/独占/协同四原子（一次凸规划导出），XOR 门纯协同 1 bit、AND 门文献值 0.311 锚点对照，O 信息给出分布的整体协同/冗余倾向。反思器挂载后多模型组合的协同诊断只读输出——「单测平庸、联测封神」的组合不再靠运气撞见

证明层（71.0 → 75.0）

突现层算整体；证明层让「结论携带证书」收尾——最优路径的展开数账单、稀疏归因的 KKT 证书、选型冠军的概率保证、无悔更新的几何恒等式、概率口径的校准恒等。

• A 搜索内核*（core/astar-search.ts）：可采纳/一致启发式最优性（Hart–Nilsson–Raphael 1968）——同一份最优性、小得多的搜索账单。f = g + h 在可采纳 h 下终点弹出即最优，一致 h 下展开数 ≤ Dijkstra（运行时计数可审计，重开次数落账）。优化器挂载后计划子图的最优子计划搜索可调
• 稀疏恢复内核（core/sparse-recovery.ts）：Lasso 坐标下降 + OMP——「真正起作用的少数因素」有了短清单。Lasso CD 解附 KKT 最优性证书（违反量 ≤ 1e-6 随结果返回），OMP 在相干性条件下精确支撑恢复，交叉验证选 λ；与 5.0 因果内核分工：稀疏恢复出候选短清单（相关结构），因果内核再裁决方向（干预语义）。优化器挂载后质量归因走稀疏 active 集
• 最佳臂识别内核（core/best-arm-identification.ts）：固定预算 BAI——选型要的是结论最优而非过程最优。逐次减半（SH）以 H 复杂度把样本花在难分竞争者上（500 种子识别率 0.984 的实证对照），置信淘汰 racing 作姊妹口径；与 31.0 无悔 bandit（过程最优）和 45.0 OCBA（预算分配）正交分工。基准引擎挂载后报告附 baiFocus 锦标赛冠军裁决
• 镜像下降内核（core/mirror-descent.ts）：OMD / Bregman 几何——特设的指数权重升级为带正确几何的通用无悔算子。熵镜像即 Hedge（后悔 ≤ 2√(T ln n)），欧氏镜像即投影梯度；Bregman 三点恒等式数值验证到 1e-12。决策引擎挂载后行动混合的无悔读数可查（咨询口径）
• 在线校准内核（core/online-calibration.ts）：在线 Platt + PAVA 保序——「报多少就发生多少」的概率口径前置层。ECE 分桶量化校准误差，在线 Platt / 保序回归学习校正映射；门控设计保证恒等无伤害：未确证失准时输出逐位不变，漂移哨兵（最坏分桶 z 分数超阈）锁存后才启用校准。决策引擎挂载后置信度被结果持续校准

感知层（76.0 → 80.0）

证明层给结论携带证书；感知层开启「自主识别」——「没见过的东西」第一次有了可计算的口径：多深、多新、什么结构、躺在哪里、流过多少。五个数学支柱把「看见」从幅值离群升维为分布、因果、几何与流式四个视角（第二轮创世纪进化，编号封顶 100.0）。

• 新奇检测内核（core/novelty-detection.ts）：Mahalanobis 深度（Ledoit–Wolf 收缩协方差防奇异）+ kNN 密度比 + CUSUM 变点——「异常 = 没见过」而不是「异常 = 多大」。幅值完全正常但组合方式从未出现的模式（新故障形态 / 新攻击签名）在一切幅值口径（23.0 重尾 / 28.0 EVT）下隐形，本内核以自适应基准窗（已见世界，随漂移自愈更新）为参照给出双证据判读；新奇分序列的系统性变点走 CUSUM（ARL 经 Brook–Evans 马尔可夫链精确校准、Siegmund 闭式对照）。验证：8σ 外点 Mahalanobis 完全分离 + noveltyAUC = 1、同误报率下变点检出延迟 ~26 vs 朴素法 ~206。哨兵挂载后 noveltyView 只读输出（观测口径零漂移）
• 因果发现内核（core/causal-discovery.ts）：PC-stable 骨架 + v-结构 + Meek 规则——因果图第一次从观测数据里自己长出来。5.0 因果内核管「已知图做推断」，本内核回答「图从哪来」：条件独立检验剥骨架、对撞定向、Meek 规则传播得到 CPDAG 等价类——无向边是「数据说不清」的诚实陈述而非缺陷。验证：链 / 对撞 / 菱形结构精确恢复（10 种子 SHD = 0）、4 节点 729 个 DAG 全枚举等价类逐边一致。世界模型挂载后 causalDiscoveryView 只读学图（旁路咨询）
• 多源对齐内核（core/canonical-correlation.ts）：白化 + Jacobi 特征求解的典型相关分析（CCA，Hotelling 1936）——异构证据源的公共潜坐标系。逐列配对相关是局部口径；CCA 把对齐升维为整体最大化 ρ(a,b) = corr(Xa, Yb)，典型相关谱即两源共享信息的全部容量，高维小样本走岭正则护栏（谱全 ≈1 的过拟合警报自动检出）。验证：已知潜变量构造下 ρ 谱恢复误差 ≤ 0.03、可逆线性变换不变性 3.3e-16。世界模型挂载后 ccaAlignmentView（旁路咨询）
• 流形学习内核（core/diffusion-maps.ts）：扩散映射（Coifman–Lafon 2006）+ Isomap——经验流形的内在坐标。高维观测躺在低维流形上，原始欧氏距离被「流形的弯曲」欺骗（瑞士卷相邻两圈看似很近、内在距离很远）；kNN 图 + 高斯核 + 归一化转移的谱分解给出扩散距离的等距嵌入，谱隙定簇数。验证：瑞士卷参数恢复相关 > 0.98、Isomap 测地距离对照。世界模型挂载后 experienceManifoldView 与 69.0 Mapper 成对（骨架 + 连续坐标；旁路咨询）
• 流式概要内核（core/streaming-sketch.ts）：Count-Min + 蓄水池 + 指数直方图 + Misra–Gries 四件套——海啸级信号流的 O(小内存) 感官缓冲，每个读数自带可证明误差界。键频「只高不低 + 超出 ≤ ε‖a‖₁（概率 1−δ）」、滑窗计数 ε 保证、等概率抽样（事后取证）、重元素 100% 捕获。验证：Zipf 对抗流 10 万事件全键保证成立、蓄水池 χ²/dof ∈ [0.85, 1.15] 的证明性检验、全位置扫描误差上界处处成立。哨兵挂载后 sketchView 只读输出（观测口径零漂移）

判断层（81.0 → 85.0）

感知层识别世界；判断层把「接受一个结论」从投票 / 权威升级为数学语义——结论扛得住哪些攻击、谁的票可信、世界以多大概率转移、信息值多少钱、离散约束是否可行。五个数学支柱撑起「自主判断」。

• 论证内核（core/argumentation.ts）：Dung 抽象论证框架的语义阶梯——「议会最终接受一个结论」第一次有了精确定义。论证集 + 攻击关系即完成公理化，接受 = 攻击图的解概念：grounded（最保守不动点，多项式、必存在）/ preferred / stable 语义阶梯逐级收紧，辩护链可逐步复核。验证：grounded 不动点与 2ⁿ 暴力全子集扫描逐位一致、环 / 自攻击 / 奇偶环全部经典结构对照。深思/反思引擎挂载后 argumentationVerdict 裁决辩论结论（影子计算零漂移）
• 众包聚合内核（core/crowd-aggregation.ts）：Dawid–Skene 混淆矩阵 EM——人人一票升级为信任投票。多数票把专家、垃圾与对抗者一视同仁；EM 从标注记录里学出每个评分者的逐类混淆矩阵，可靠性即票权——垃圾（均匀乱标）与对抗（系统性反指）自动摘牌。验证：混合 crowd（好/垃圾/对抗/中等）真值恢复 ≥ 0.97 且高出多数票 ≥ 8 个百分点、EM 对数似然逐轮单调。反思器挂载后 crowdVerdictOf 聚合多模型判定（咨询口径）
• 世界模型学习内核（core/world-model-learning.ts）：计数 MLE + Dirichlet 平滑 + 值迭代 + 后继特征 + Dyna——从真实经验里把模型本身学出来。无模型方法每换一个目标就从头交互；本内核学出 T̂/r̂ 在其上规划，后继特征让「换目标」退化为一次矩阵-向量内积（零重规划），Dyna 用模型模拟混合经验加速。验证：4×3 经典 gridworld VI 残差 < 1e-9、换目标重定向 Ψw₂ 与重跑 VI 逐位一致、Bellman 残差健康度账单。世界模型挂载后 modelLearningAudit（旁路咨询）
• 部分可观察规划内核（core/pomdp-planning.ts）：精确信念更新 + α-向量值迭代 + QMDP 上界——「状态不可读」成为一等公民。真实调度里引擎看到的只是症状（超时 / 报错 / 用户沉默）而非根因，信念 b 才是决策状态，信息（观测 / 询问 / 等待）有价格、采集是动作。验证：Tiger 经典问题 α-VI 精确值、Kuhn 口径的信念轨迹对照、QMDP 上界关系逐点成立。决策引擎挂载后 pomdpActionValue 给 defer/execute/ask-user 以信息价值间隙的咨询读数（咨询口径零漂移）
• 符号求解内核（core/symbolic-solver.ts）：DPLL 回跳 + 学子句 + #SAT 组件分解——离散约束的完备裁决。计划生成的 DAG 里资源互斥 / 依赖冲突在动手前就能静态判死，无需等到执行中暴露；CNF 编码 + 完备搜索给出 SAT/UNSAT 与冲突账单（定位最小冲突任务集），#SAT 精确计数可行选择（唯一解 = 脆弱）。验证：鸽笼 PHP(3,2) 经典 UNSAT、相变区随机 3-SAT 与暴力枚举 100% 一致、n ≤ 16 计数与 2ⁿ 枚举 1e-12 逐位一致。任务执行器挂载后 planFeasibility 静态裁决（咨询口径）

执行层（86.0 → 90.0）

判断层裁决该做什么；执行层让「落地」本身携带数学——长计划的信用分配、每一步的安全裕度、不上线的反事实估值、无证书不上线的浓度门控、从偏好对里学价值序。五个数学支柱撑起「自主执行」。

• 分层技能内核（core/options-framework.ts）：选项框架（Sutton–Precup–Singh 1999）+ SMDP Q-learning——宏动作的时间信用分配 γ^k（k = 宏实际耗时）。平坦 Q-learning 要让「这个子程序值得做」的信号穿过几十步 γ^n 衰减慢慢渗回去；技能升为一等公民（入口条件 + 终止条件）后整段子程序一次结账。验证：四房间经典构造上 SMDP Q-learning 与值迭代收敛到同一 Q*（残差 ≤ 1e-9）、走廊世界 179× 样本加速锚点。任务执行器挂载后 optionsSkillAuditView 技能库例行体检（只读基准）
• 安全屏障内核（core/safety-barrier.ts）：离散时间控制屏障函数（CBF）安全滤波——逐动作的微分安全，而非熔断级的事件安全。朴素截断回答不了「这一步会不会把安全裕度烧穿」——危险的是动作方向；CBF 滤波给出最小安全修改（QP 贪心闭式），不可行时诚实上报差距（差 5% 和差 50% 的处置不同）。验证：闭环模拟对照朴素截断 282 次违反 vs 0。任务执行器挂载后 barrierFilterAction 过滤期望动作、infeasible 上报安全总督（咨询口径）
• 离线评估内核（core/off-policy-evaluation.ts）：OIS → WIS → PDIS → DR 四阶梯 + 经验伯恩斯坦置信区间——评一个策略从「跑一遍」变成「算一遍」。沙盒跑分是单次测量的点估计；生产行为策略 μ 的海量轨迹对没跑过的目标策略 π 蕴含同样信息，DR 双重稳健（Q 近似不破坏无偏性、只影响方差）。验证：解析真值链 / 悬崖世界锚点、四阶梯误差单调有序、DR 在精确 Q 下误差 = 0 的解析特例。策略进化器挂载后 offlineEvaluation 金丝雀门控双通道（咨询口径）
• 安全策略改进内核（core/safe-policy-improvement.ts）：HCPI 式配对差高置信改进——没有统计证书不上线。现行门禁的 LCB 是对模拟器的统计，与操作环存在保真度缺口；本内核对逐轨迹配对差 Δ̂ = Ĵ(π_cand) − Ĵ(π_base) 要求 LCB > 0 才放行，「错误接受真退步」的概率被 δ 一刀钉死。验证：违反率 ≤ δ、浓度曲线斜率 −0.4997（√(log/n) 理论 −0.5）。策略进化器挂载后 safeImprovementVerdict 上线安全阀（咨询口径）
• 偏好学习内核（core/preference-learning.ts）：Bradley–Terry 牛顿 MLE + Elo——从「哪个更好」的偏好对里学出价值序（RLHF 的同一数学底座）。绝对打分跨任务不可比、指标一改历史全作废；成对比较在同一评审内自对照，偏好对是不变的原始证据。环路检测 + 拟合优度双前置体检——不通过就诚实报告「不可用于决策排序」（石头剪刀布式循环偏好正是失效例）。验证：已知效用排序 100% 恢复、两物品 6 对胜 4 → û₀−û₁ = ln2 解析锚。反思器挂载后 notePreferencePair / preferenceView（影子学习）

进化层（91.0 → 95.0）

执行层安全落地；进化层把进化的方向盘从「目标」换成「新奇 / 对抗 / 预算 / 保真 / 可中断」——欺骗地形翻不过因为坎就是目标本身。五个数学支柱撑起「自主进化」。

• 新奇搜索内核（core/novelty-search.ts）：抛弃目标、只追新奇的行为空间搜索（Lehman & Stanley）+ MCNS 可行门槛——「必须先远离目标」的绕行道第一次走得通。欺骗地形上启发梯度把种群领进空腔死路，真解藏在绕行道上；新奇分（对档案的 kNN 距离均值）做选择压，MCNS 门槛滤掉「新奇但不可行」。验证：欺骗迷宫 100 种子新奇搜索 99/100 vs 纯适应度 0/100。好奇心引擎挂载后 noveltySearchView 探索定向（咨询口径）
• 自我对弈内核（core/self-play.ts）：虚拟博弈收敛（Brown 1951）+ 可剥削度 + 联赛 exploiter——策略的弱点成为可计算的货币。进化环的适应度来自与环境斗，环境是死的；与自己的历史平均斗（虚拟博弈）、与专门针对自己的对手斗（联赛），任何可剥削的规律都会被下一轮最优响应利用。验证：Kuhn 单卡扑克均衡价值精确 −1/18（文献值 1950）、RPS 虚拟博弈 10⁴ 轮收敛均匀、exploitability 随迭代下降。策略进化挂载后 selfPlayAudit 对抗压力审计（影子计算）
• 自动机调优内核（core/automl-hyperband.ts）：Hyperband 多预算括号调度（Li et al. 2017）——对学习曲线形状零先验的预算守恒寻优。不赌任何单一「配置数 vs 单配置预算」折衷，s_max+1 个 bracket 把整条探索-开发谱系一次铺开；劣质配置低预算处决、预算集中给幸存者。验证：bracketSchedule(81,3) 复现论文调度表（n=[81,34,15,8,5]）、预算守恒逐 bracket 对账、同预算 40/40 命中 95 分位、晚熟型配置反例诚实报告。基准引擎挂载后 hyperbandTune（咨询口径）
• 仿真校准内核（core/simulation-calibration.ts）：MMD² + 能量距离 + 分类器密度比再加权——沙盒风洞的失真量化与 sim-to-real 桥。沙盒判据建立在「模拟器 = 真实世界」的隐含假设上；两样本统计量化域差，密度比 r̂ 把沙盒统计换算真实口径，ESS/n 低（重度再加权）时诚实拒绝换算。验证：N(0,1) vs N(1,1) 的 MMD²/能量距离解析对照（手算锚）、域差 5 档单调、再加权后域差 99.9% 缩减。沙盒挂载后 windTunnelReport（只读口径）
• 中断交接内核（core/interruptible-autonomy.ts）：可中断自主性（Orseau–Lattimore 2016）+ 离线策略修正 + 交接经济学——被打断的学习器仍收敛真实最优。无修正的 Q-learning 把「操作者的手」当成环境动力学学进值函数；离线修正让中断轨迹恢复 Q*。何时交给人从经验阈值升级为闭式 τ* = c_H + c_delay 的期望成本裁决。验证：对抗中断下修正 Q* 恢复至 1.5e-13、闭式交接阈值 = 枚举最优、三模式（never/always/adaptive）成本排序。决策引擎挂载后 handoffAdvice（咨询口径）

意识层（96.0 → 100.0）

进化层自我超越；意识层把「此刻该注意什么、信心可信吗、这一觉值不值、注意力给谁、这是不是我干的」变成可计算的数学对象——Baars 全局工作空间、二阶信号检测论、优先重放、VCG 拍卖与能动性归因，五个心智结构封顶百数编号。

• 全局工作空间内核（core/global-workspace.ts）：GWT 投标竞争 + 点火阈值 + 级联广播 + 不应期（Baars 理论的可计算化）——「此刻全体该知道什么」由竞争仲裁，不再由代码调用顺序决定。专门化模块并行投标（软 WTA 温度 softmax），胜者越过点火阈值即广播全员、广播成为下一轮全体计算的上下文；不应期防单模块垄断。验证：硬 WTA 逐位等于独立 argmax 重算、阈值语义边界（恰等于 θ 不点火）、级联接力四轮传播、胜者分布熵随温度单调。自主心跳挂载后 consciousnessStep / consciousnessView（旁路口径零漂移）
• 元认知信心内核（core/metacognitive-confidence.ts）：二阶信号检测论（type-2 SDT）meta-d′ + 四象限分离 + 闭式求助阈值——「知道自己不知道」被量化。判别力（d′）与自知力（meta-d′）是两种独立能力；M-ratio = meta-d′/d′ 低则信心不可信，求助策略退化为任务难度先验的保守口径；shouldAsk 给出后验错误率越过闭式阈值的求助裁决（过度自信与过度自卑都被成本模型拉回）。验证：已知 d 的种子化工厂 d̂′ 恢复 ±0.1、高/低元认知象限 meta-d′ 显著分离、退化计数有限性。决策引擎挂载后 metacognitionView（观测口径）
• 经验重放内核（core/experience-replay.ts）：rank-based 优先重放（PER）+ IS 权重无偏 + 睡眠固化——睡一觉想明白，且不忘记旧的。单遍流「来一条吃一条」样本效率低、任务切换覆写参数（灾难遗忘）；分层配额缓冲让旧技能不被新洪峰覆盖，IS 权重修正优先采样的统计偏差，睡眠阶段只重放不采新。验证：IS 加权估计无偏对照、睡眠固化 +0.60 提升、两任务序列灾难遗忘 88.9% → 0。长期记忆挂载后 sleepConsolidate 夜间固化（旁路口径）
• 注意力经济内核（core/attention-economy.ts）：凹边际价值 + matroid 贪心 + VCG 二价支付——注意力是稀缺预算，分配说得出机会成本。k 个深看槽位让信息源自报 EVSI 式边际价值，凹性巡检违规源临时摘牌；VCG 支付 = 挤占的他人机会成本，说真话是占优策略（DSIC）——下游模块学会把日志级别调高来抢焦点的漏洞被机制堵死。验证：贪心 = 穷举最优（50 种子逐实例一致）、二价支付手工例精确对照、谎报无益 500 次 0 正收益。哨兵挂载后 attentionMarket（影子口径）
• 自我边界内核（core/self-boundary.ts）：延迟偶然性能动性检测 + do-口径共因消歧 + 身份连续性——「这是我造成的，还是世界自己发生的」有了裁决。把环境红利归功自己 = 进化环把运气记成功绩；把自己的破坏归咎环境 = 永不修正错误。时间偶然性（信号与自身动作的延迟互信息显著高于打乱基线）判自致通道，已知共因注入消歧，策略部署前后的身份断点监控联动金丝雀回滚。验证：40/40 通道归因正确、do-干预下伪相关消失、断点警报在突变部署触发。自我模型挂载后 agencyAudit / identityAudit（影子计算）

质变内核（core/，3.0 → 100.0）

内核	版本	一句话
evidence.ts	3.0	统一证据语言：Wilson 界 / 时间衰减 / 证据排序，铺满所有记忆层
resilience.ts	4.0	弹性执行：熔断器状态机 / 指数退避全抖动 / 错误分型
causal-kernel.ts	5.0	因果推断：Pearl do-干预 ATE / 混杂检测 / 反事实查询
free-energy.ts	6.0	主动推断：Friston 自由能，一公式统一利用/探索/好奇心/健康度
deliberation.ts	7.0	规划即推断：想象推演 + beam search × 技能宏 + 梦实现对账
metareasoning.ts	8.0	理性元推理：双过程仲裁 / 任意时搜索稳定停机 / 思考按 nat 计价
abstraction.ts	9.0	抽象泛化：状态骨架分解 + 结构类比，经验跨域「举一反三」
scientist.ts	10.0	科学家心智：贝叶斯最优实验设计（见上）
theorist.ts	11.0	理论心智：层级贝叶斯 + MDL 定律归纳（见上）
anytime-evidence.ts	12.0	任意时刻证据：置信序列 + e-过程 + e-BH FDR（见上）
conformal.ts	13.0	保形预测：分布无关区间 + 风险受控阈值（见上）
quality-diversity.ts	14.0	质量-多样性：MAP-Elites 行为归档（见上）
runtime-verification.ts	15.0	运行时验证：LTLf 规约监视 + 证明携带裁决（见上）
shapley.ts	16.0	Shapley 归因：公理化公平分配 + 任意时刻置信区间（见上）
optimal-transport.ts	17.0	最优传输：Wasserstein 漂移 + Sinkhorn + 重心（见上）
information-geometry.ts	18.0	信息几何：Fisher 度量自然变异 + KL 信任域（见上）
optimal-stopping.ts	19.0	最优停止：先知不等式 + 向后归纳 + 机会停止器（见上）
sheaf-consensus.ts	20.0	层论共识：胞腔层拉普拉斯 + 调和共识 + 障碍检测（见上）
index-scheduling.ts	21.0	最优索引调度：Gittins 指数精确计算（退休 MDP 三角形反向归纳），可证明最优模型调度
bandit-knapsack.ts	22.0	预算最优路由：Bandits with Knapsacks，影子价格从预算稀缺性内生涌现
robust-statistics.ts	23.0	稳健统计：Catoni + MoM（重尾下 sub-Gaussian 置信界，见上）
differential-privacy.ts	24.0	差分隐私：Laplace/Gaussian 机制 + RDP 记账（见上）
capacity-planning.ts	25.0	容量规划：Erlang-C / Kingman 反解最小并发 + Little 定律自检（见上）
gaussian-process.ts	26.0	高斯过程：RBF/Matérn 回归 + EI 贝叶斯优化（预测偏差可学习，见上）
kalman-filter.ts	27.0	卡尔曼滤波：局部线性趋势 + RTS 平滑 + NIS 门控（见上）
extreme-value.ts	28.0	极值理论：POT/GPD 尾部外推 + Hill 估计 + 风险度量（见上）
mcts.ts	29.0	蒙特卡洛树搜索：UCT + 折扣回报 + 任意时刻可读（见上）
submodular.ts	30.0	次模优化：加权覆盖 + CELF 惰性贪心 + 曲率修正保证（见上）
online-learning.ts	31.0	在线学习：Fixed-Share Hedge，对手无关遗憾 ≤ √(2T lnN)（见上）
optimal-assignment.ts	32.0	全局指派：匈牙利 O(n³) 精确解 + 对偶最优性证书（见上）
random-matrix.ts	33.0	随机矩阵：Marchenko–Pastur 清洗 + 系统性风险监视（见上）
robust-decisions.ts	34.0	分布鲁棒：CVaR 精确式 + Wasserstein KR 对偶（见上）
feedback-control.ts	35.0	反馈控制：DARE 闭式增益 + Lyapunov 稳定证书（见上）
persistent-homology.ts	36.0	持续同调：H₀ 持续图 + 瓶颈距离稳定性（见上）
information-bottleneck.ts	37.0	信息瓶颈：Blahut-Arimoto，蒸馏保留率定价（见上）
nonlinear-dynamics.ts	38.0	非线性动力学：Lyapunov + Hurst 体质分类（见上）
spectral-ranking.ts	39.0	谱排序：PageRank 幂迭代 + 知识骨架（见上）
first-passage.ts	40.0	首达时间：反射原理 + 逆高斯冷却定价（见上）
queueing-network.ts	41.0	排队网络：Jackson 乘积形式 + 瓶颈站（心跳 2.9 段）
spectral-periodicity.ts	42.0	谱周期：FFT 周期图 + Fisher g 检验（谱日历）
max-flow.ts	43.0	最大流：Edmonds-Karp + 最小割证书（容量前沿）
fair-division.ts	44.0	公平分配：加权极大极小注水（探索家族预算）
budget-allocation.ts	45.0	OCBA：最优计算预算（基准瓶颈聚焦）
quorum-systems.ts	46.0	法定人数：quorum 交叉 + 拜占庭 3f+1 下界（Raft 安全审计）
crdt.ts	47.0	CRDT：G-Counter/OR-Set/LWW 收敛三定律（分布式同步通道）
secret-sharing.ts	48.0	秘密共享：Shamir 阈值 + 随机性审计（密钥分形）
multiscale-wavelet.ts	49.0	小波：Haar 多尺度分解（KPI 尺度透镜）
matrix-completion.ts	50.0	矩阵补全：ALS 低秩潜因子（冷启动能力外推）
speculative-decoding.ts	51.0	投机解码：draft-verify-accept 期望收益闭式 + 最优草稿长 + 判退定理（见上）
test-time-compute.ts	52.0	测试时计算：多数票精确二项 + 相关校正 + 幂律水填充 + 早停（见上）
whittle-index.ts	53.0	Whittle 指数：不休眠 RMAB 部分激活调度 + 恒可索引性定理（见上）
lyapunov-drift.ts	54.0	Lyapunov 漂移加罚：背压稳定性 [O(1/V) 次优, O(V) 队长] + 对偶价格（见上）
hawkes-process.ts	55.0	Hawkes 自激发：EM 拟合 + 时间重标残差诊断 + 爆发预测（见上）
belief-propagation.ts	56.0	置信传播：因子图 sum-product，树上精确边缘化（见上）
variational-inference.ts	57.0	变分推断：CAVI 平均场 + ELBO 单调 + 共轭精确恢复（见上）
langevin-sampling.ts	58.0	朗之万采样：ULA/MALA + Bures W₂ 收敛审计（见上）
curriculum-learning.ts	59.0	课程学习：掌握门限晋升状态机 + 三种子 200 种子对照（见上）
rate-distortion.ts	60.0	率失真：Blahut-Arimoto + keep-compress-drop 规划 + 影子价格（见上）
stable-matching.ts	61.0	稳定匹配：Gale-Shapley + 格结构 + TTC 强核（见上）
mechanism-design.ts	62.0	机制设计：VCG 外部性定价 + Myerson 铁化保留价（见上）
nucleolus.ts	63.0	核仁：BigInt 有理数单纯形 + 字典序最小抱怨（见上）
correlated-equilibrium.ts	64.0	相关均衡：regret matching 收敛 CE + 交通灯协调（见上）
dynamic-pricing.ts	65.0	动态定价：UCB/Thompson 学习定价，√T 遗憾（见上）
simulated-annealing.ts	66.0	模拟退火：Hajek 对数降温条件实证 + Boltzmann 频率对照（见上）
nsga2-pareto.ts	67.0	NSGA-II：非支配排序 + 拥挤距离 + 2D 超体积单调（见上）
compression-distance.ts	68.0	压缩距离：LZW/NCD + √2−1 自距离下界 + 家族聚类恢复（见上）
mapper-graph.ts	69.0	Mapper 图：滤镜-覆盖-纤维聚类骨架，圆环 H₁ 与 36.0 互证（见上）
partial-info-decomposition.ts	70.0	部分信息分解：BROJA PID 四原子 + XOR 纯协同 + O 信息（见上）
astar-search.ts	71.0	A* 搜索：可采纳/一致启发式最优性 + 展开数 ≤ Dijkstra（见上）
sparse-recovery.ts	72.0	稀疏恢复：Lasso CD + KKT 证书 + OMP 支撑恢复 + CV 选 λ（见上）
best-arm-identification.ts	73.0	最佳臂识别：逐次减半 SH + H 复杂度 + 500 种子 0.984（见上）
mirror-descent.ts	74.0	镜像下降：熵镜像 Hedge 后悔 ≤ 2√(T ln n) + Bregman 恒等式（见上）
online-calibration.ts	75.0	在线校准：在线 Platt/PAVA 保序 + 门控零漂移恒等无伤害（见上）
novelty-detection.ts	76.0	新奇检测：Mahalanobis(LW 收缩) + kNN 密度比 + CUSUM 变点（ARL Markov 校准，见上）
causal-discovery.ts	77.0	因果发现：PC-stable + v-结构 + Meek 规则，CPDAG 等价类诚实（729 图全枚举对照，见上）
canonical-correlation.ts	78.0	多源对齐：白化 + Jacobi 特征 CCA + 岭正则高维护栏（见上）
diffusion-maps.ts	79.0	流形学习：扩散映射 + Isomap，瑞士卷参数恢复 0.98 / 谱隙定簇（见上）
streaming-sketch.ts	80.0	流式概要：Count-Min 保证 + 蓄水池精确 + 指数直方图 ε + Misra–Gries（见上）
argumentation.ts	81.0	论证：Dung 语义阶梯 grounded/preferred/stable + 辩护链裁决（见上）
crowd-aggregation.ts	82.0	众包聚合：Dawid–Skene EM 混淆矩阵信任投票，垃圾与对抗自动摘牌（见上）
world-model-learning.ts	83.0	世界模型学习：计数 MLE + 值迭代 + 后继特征换目标零重规划 + Dyna（见上）
pomdp-planning.ts	84.0	POMDP：精确信念更新 + α-向量值迭代 + QMDP 上界（Tiger 经典值，见上）
symbolic-solver.ts	85.0	符号求解：DPLL 回跳学子句 + #SAT 组件分解（鸽笼 UNSAT，见上）
options-framework.ts	86.0	分层技能：选项框架 SMDP Q-learning γ^k 宏折价（走廊 179× 加速，见上）
safety-barrier.ts	87.0	安全屏障：离散 CBF 最小修改安全滤波（朴素截断 282 违反 vs 0，见上）
off-policy-evaluation.ts	88.0	离线评估：OIS/WIS/PDIS/DR 四阶梯 + 经验伯恩斯坦 CI（DR 误差=0 解析例，见上）
safe-policy-improvement.ts	89.0	安全策略改进：HCPI 配对差 LCB>0 证书门控（浓度律斜率 −0.4997，见上）
preference-learning.ts	90.0	偏好学习：Bradley–Terry 牛顿 MLE + Elo + 环路检测诚实报告（见上）
novelty-search.ts	91.0	新奇搜索：欺骗迷宫 99/100 vs 适应度 0/100 + MCNS 可行门槛（见上）
self-play.ts	92.0	自我对弈：虚拟博弈收敛 + Kuhn −1/18 精确 + exploitability 弱点货币（见上）
automl-hyperband.ts	93.0	自动机调优：Hyperband 括号调度预算守恒 + 论文调度表复现（见上）
simulation-calibration.ts	94.0	仿真校准：MMD² + 能量距离 + 分类器密度比再加权（域差 99.9% 缩减，见上）
interruptible-autonomy.ts	95.0	中断交接：对抗中断离线修正 Q* 恢复 1.5e-13 + 闭式交接阈值（见上）
global-workspace.ts	96.0	全局工作空间：GWT 投标竞争 + 点火阈值 + 级联广播 + 不应期（见上）
metacognitive-confidence.ts	97.0	元认知信心：二阶 SDT meta-d′/d′ 四象限分离 + 闭式求助阈值（见上）
experience-replay.ts	98.0	经验重放：rank-based PER + IS 无偏 + 睡眠固化（遗忘 88.9%→0，见上）
attention-economy.ts	99.0	注意力经济：凹边际贪心=穷举最优 + VCG 二价支付 + 谎报无益（见上）
self-boundary.ts	100.0	自我边界：延迟偶然性能动性检测 40/40 + do-共因消歧 + 身份断点警报（见上）

认知能量共生经济（symbiosis/）

• 能量账本（ledger.ts）：认知能量不可伪造，复式记账全局守恒，每笔转账 sha256 链式可审计可回放，基尼系数度量生态健康
• 知识市场（market.ts）：知识作为可交易资产，连续双向拍卖；挂单费燃烧防垃圾、央行支付售后版税，劣质知识被证据校准自然淘汰
• 信念市场（belief.ts）：LMSR 做市商把「对未来的判断」变成可交易资产，市场即心智；知情者套利错者，结算即审计，激励相容
• 智能体契约（agent.ts）：感知/提案/执行三段分离（立法-执法分离），信誉复用 Wilson 下界——贡献决定分红，表现差自然饿死休眠
• 共生运行时（runtime.ts）：心跳编排（生存→感知→提案→监管否决→撮合→授权执行），任务成功铸币按 Wilson 加权分红，余额低于生存线休眠，监管一票否决；影子模式接入，不接管主链路
• 宿主融合桥（bridge.ts）：KPI 注入能量经济、任务结算铸币分红、futarchy 进化表决三个薄接点，缺省关闭零漂移
• 首批智能体（wrappers.ts）：MemoryAgent（卖方+维护者）/ OptimizerAgent（买方）/ EvolverAgent（策略基因卖方），构成最小认知经济闭环
• 可观测性（observability.ts）：账本凭证聚合为 Sankey 能量流全景，离线渲染自包含 HTML（见 symbiosis-sankey-demo.html）

创世纪 · 认知中央银行（plasticity/，G1→G5）

学习被治理成一个有央行的货币经济：快记忆是通货，慢结构是准备金支撑的债券，遗忘是坏账核销，探索是公开市场操作，审计链是宪法。统一 CLS 双系统（神经科学）× DGM 档案进化 × 机制设计——每个经济学对应物都是可违反也会被抓住的定律，不是比喻。

• G1 分账协议（loop.ts classifyFailure + 三科目入账）：失败五型分拣（auth/timeout/network/integrity/quality）——基础设施失败只入可用性科目，永不污染能力后验（实测：hunyuan 的 401 风暴后其后验保持先验）；纯 infra 失败任务是删失观测，校准器跳过；分型进链哈希
• G2 结构央行（consolidation.ts）：准备金律（holdoutMargin < reserveRatio 的结构不得发行）+ 资本充足律（Σ规则影响力 ≤ κ×证据基础，越界强制退役最弱规则）+ bankView() 仪表盘——结

…