@furongjun1999/dsh-memory 0.4.6 → 0.4.8

package/docs/world_model//344/270/226/347/225/214/346/250/241/345/236/213_/347/245/236/347/273/217/347/275/221/347/273/234/345/272/225/345/261/202/346/236/266/346/236/204_v1.0.md

@@ -0,0 +1,237 @@
+# 世界模型 · 神经网络底层架构 v1.0
+
+> **定位**：本文档是大脑仓（`dsh-memory`）中**世界模型神经网络底层**的规范台账——把散布在身体库的 hex 系列工程成果整理为大脑仓可检索、可交接、可审计的单一档案。
+> **建档依据**：荣 2026-09-16 指令「整理已有的工程成果，将其放置到大脑仓库，作为我们世界模型的神经网络底层架构」。
+> **上游交接件**：`docs/存算一体神经网络架构_总纲与交接_20260916.md`（ZCode 端总纲，本文档为其大脑仓规范形态，原文件保留原位不动）。
+> **理论真源**：智能论第五篇（上下文=存算一体认知图）· 荣反传语义（2026-09-06 定义，灵枢 node_b299c354）·《世界模型理论_白箱固化_v1》·《白箱身体补充计划》· 白箱智能系列。
+> **验证状态**：§11 逐项声明（本会话已回放项 / 未复跑项）。
+
+---
+
+## 0. 为什么它是「世界模型的神经网络底层」
+
+这不是命名类比，有三条可核验的条件证据：
+
+1. **裁定原文直接指向世界模型**：`hex_cnn.py` 头部裁定第 2 条写明其固化语义取自《世界模型理论_白箱固化_v1》命题「LLM/训练引导 → 固化后零训练」；设计根基第 1 条取自《白箱身体补充计划》§六「蜂窝形感知」。该架构从立纲起就是世界模型理论在**感知/特征域**的实现件。
+2. **层级接口互补**：世界模型理论的传感器层给出「摄像头/麦克风/YOLO/CLIP/LLM/文本通道为可插拔外部器件，是神经网络与智能是否白箱无关」；hex 系列正是**传感器之后的第一段**——把原始像素归一为蜂窝晶格与语义卡（感知层 IR），再上交给 L3 条件路由与认知图。世界模型缺这一层则上层无输入中间表示。
+3. **与白箱化纲领四原理同构**（`docs/白箱化纲领_三项目学习总架构与Ghidra交接_20260916.md`）：本条链路是纲领 W1–W4 在感知域的独立实例，见 §7.2。
+
+**一句话总纲**：蜂窝网格上的自研 CNN × 并行条件路由 × 递归四态搜索，以**信息差递归分配**替代反向传播，以**存算一体认知图**为上下文容器——一条不依赖 GPU / 链式法则 / 黑箱框架的白箱视觉与认知计算路线。
+
+---
+
+## 1. 四条公理级裁定（不可回退项）
+
+| # | 裁定 | 内容 | 禁区 |
+|---|---|---|---|
+| A1 | **反传语义**（荣定义） | 训练 = 信息差递归分配 + 死区门控（超死区的信息差才传播）+ 递归收敛 | 禁链式法则 BP——梯度不存在，存在的是「哪里还有信息没榨出来」 |
+| A2 | **白箱原则** | 核参数可学习，但结构/损失/梯度/路由全程可审计，每步数值可复算 | 黑箱组件零容忍 |
+| A3 | **连接主义范式**（荣 2026-09-08） | 从拟合到激活：L0 差分链（100%）→ L1 区域（84.5%）→ L2 物体 → L3 大域；训练集缩小 = 构型覆盖率问题 | 不以扩大参数拟合为路线 |
+| A4 | **存算一体认知图**（第五篇定论） | 上下文不是检索结果缓存：认知图节点既是存储又是计算单元（路由 / 资格裁决 / 查询式激活） | 不把上下文降级为缓存 |
+
+---
+
+## 2. 架构主链
+
+```
+输入图像 → HexGrid 蜂窝网格化（48/64 列晶格）
+    → hex_conv 蜂窝卷积（核库：smooth / edge / 可学习核）        [L0 特征层]
+    → 并行条件路由（特征前端 = CNN，语义判定层 = 路由）           [L1 区域层]
+    → 递归四态搜索（大域 → 子域并行细分，条件剪枝 + 死区终止）     [L2 物体层]
+    → 层级合成（组合卡 → 场景质心）+ 复合体会意                   [L3 大域层]
+    → 查询式识别（ConnectionLibrary 连接相似性 + 条件判断）
+上下文 / 知识 ←→ 存算一体认知图（md_cg：条件化 + 信任化 IR）
+```
+
+**三大机制贯穿全层**：
+
+| 机制 | 载体 | 说明 |
+|---|---|---|
+| 正交残差金字塔 | `hex_ortho` | 语义方向逐层 Gram-Schmidt 剥离 + 信息差自适应深度；与外部 VCP ResidualPyramid 两处独立来源同构 |
+| 误差驱动生长 | `hex_train` | 结构随信息差生长（连续 patience 步停滞在死区外才添加新核），非预设固定 |
+| 四态资格裁决 | 全链 | ACCEPT / REJECT / DEFER / BLINDSPOT 通用于节点、路由、搜索剪枝 |
+
+---
+
+## 3. 组件台账（hex 系列 · 活代码在身体库 `AEIS/aeis/`）
+
+> 「裁定出处」列 = 源码头部注释中的荣指令/定义原文位置（本会话逐件回放核验，见 §11）。
+
+| # | 组件 | 职责（头部自述） | 裁定出处 | 关键结构 | 里程碑 |
+|---|---|---|---|---|---|
+| 1 | `hex_cnn.py` | 自研蜂窝 CNN + 并行条件路由（HEX-CNN-REV1 · 传感器层原生架构） | 荣 2026-09-06 四条（grill 访谈） | `HexGrid` / `image_to_grid(cells_across=48)` / `hex_conv` / `kernel_smooth` / `kernel_edge` / `DEFAULT_KERNELS` / `extended_prior_family` | 25/25 验收 |
+| 2 | `hex_train.py` | 信息差门控递归训练器（HEX-CNN-M2） | 荣 2026-09-06 定义（灵枢 node_b299c354） | `HexNet` / `train_infogap` / `hex_conv_batch` / `load_cifar10_parquet` | CIFAR-10 A 17.6% → B 20.8% |
+| 3 | `hex_hier.py` | 层级化 HexNet（HEX-CNN-M3） | 荣 2026-09-06 M3 方向指令 | `HexHierNet` / `train_hier` / `calibrate_hier_cards` / `make_scene`；L1 感知单元→L2 语义卡→L3 物体卡→L4 场景卡 | 合成场景 L3 57.3% / L4 42% |
+| 4 | `hex_text.py` | 文字模态 · 图文共同识别与子物体拆分（M4 桥） | 荣 2026-09-06 指令 | `SHAPE_WORDS` / `COLOR_WORDS` / `POS_WORDS`（中文词典直通语义卡）；`SHAPE_CN` / `COLOR_CN` | 与 ViT 实质差异：共享的是**语义卡**而非 token 空间 |
+| 5 | `hex_query.py` | 连接查询式识别（HEX-CNN-M4.16） | 荣 2026-09-08「识别的本质是查询」 | `ConnectionLibrary`（声明式零训练：加物体 = 加一条记录）/ `query_match` | **89.6% @ 9.1ms 稳定**（M4.24） |
+| 6 | `hex_search.py` | 递归四态搜索器（HEX-CNN-R3） | 荣 2026-09-07 设计原文（并行本身是递归过程） | `evaluate_node` / `recursive_search`；五步循环；自适应深度 opt-in（2026-09-10 显式化，此前 `min_share` 声明未生效） | 剪枝率过半；64 列 85ms/图 |
+| 7 | `hex_ortho.py` | 正交残差金字塔 + 信息差自适应深度 | 双外部来源同构（VCP ResidualPyramid + 本仓《子部件提取_理论稿_v0.4》） | `gram_schmidt_kernels` / `DEAD_ZONE=0.10` / `ORTHO_TOL=0.20` / `MAX_LAYERS=8`（工程保险上界） | 能量守恒 `‖F₀‖² = ‖r_k‖² + ‖Σβ_j a_j‖²` |
+| 8 | `hex_composite.py` | 复合体 = 部件组合卡（HEX-CNN-M4.3 · 六书会意原理） | 荣 2026-09-07 方向指令 | `COMPOSITES` 配方卡（car / snowman / flag）；证据密度 = 检出部件数 × 每部件属性数 | 证据密度 80% vs 43% |
+| 9 | `hex_recon.py` | 关系连接存储与完美复原 | 荣 2026-09-08「图像就只是像素的排布规律」 | `extract_regions`（连通域 + 残差） | 复原 100% |
+| 10 | `hex_unit.py` | 单元化语义头（荣神经元模型：连接声明 + 感知偏差 + 有界增益） | 荣 2026-09-07（大脑 800 亿神经元自身参数就几个） | `UnitHeadNet` / `GAIN_BOUND=2.0`；两阶段（结构发现 top-k → 结构固化 θ + g，18 参数） | **单元化 60% 反超稠密 + 69% 新高**（M4.24） |
+| 11 | `hex_nn_preview.py` | 三层前端 Python 评测器（与 `lib.rs` `forward3` 语义一致） | Rust 后端对照件 | `argmax3` / `_layer` | 双后端等价对照 |
+
+**关键实证**：单元化 60% 反超稠密 + 69% 新高——稀疏单元结构胜稠密，连接主义范式落地。M4.3d/e 归一化对照（expanded 0 → 28.3 → 40%）证明**尺度管理是递归的**（幅度通道无界再极化则归零）。
+
+---
+
+## 4. 反传语义与训练契约
+
+```
+前向：特征 → 条件路由 → 判定
+反向：信息差 D = |期望激活 − 实际激活|，按层级递归分配
+门控：D < 死区阈值 → 不传播（活动稀疏性的算法形态）
+生长：持续超死区的连接 → 结构生长
+收敛：递归至各层信息差低于死区 → 停止
+执行：有限差分（扰动必须真实进入损失）
+```
+
+`hex_train.py` 头部五条落地语义（原文照录）：
+
+1. 调整 = 有限差分（零链式法则；参数预算纪律：单层可学习参数 ≤ 几百）；
+2. 支路死区 = |lr·梯度估计| < 参数分辨率 → 该支路本步冻结（动了也没意义）；
+3. 全局死区 = 信息差 ≤ 初始值×ratio → 递归收敛，固化时刻；
+4. 误差驱动生长 = 连续 patience 步无显著下降才添加新核，mix 列零初始化（白箱平滑扩展）；
+5. 演化史全程记录（何时调整/冻结/生长/收敛——白箱可审计）。
+
+**与 BP 的本质区别**：BP 传播**梯度**（链式法则，需全局可微）；反传语义分配**信息差**（局部可测，白箱可审计）。
+
+**四个数值坑（在案）**：deadReLU / 均值池化 / float32 / 闭包捕获（R1 教训：扰动必须真实进入损失）。
+
+---
+
+## 5. 性能后端台账（Rust `hex_nn` · 保留地 `protocol-compiler/hex_nn/`）
+
+| 阶段 | 内容 | 数据 | 状态 |
+|---|---|---|---|
+| R1 | plan / 执行分离（随机决策由 Python 预生成，Rust = 确定性执行器） | 等价 **8.9e-16**，加速 **12.1×**；闭包捕获 bug 教训在案 | 已完成 |
+| R2 | 支路级并行 = 批量评估-收敛 | 多线程确定性，**3.17×@8 线程**；总加速 **~36×** | 已完成 |
+| R2.1 | loss 内部并行 | — | **待做** |
+| R3 | 高分辨率 64 列晶格 | 207ms/步、搜索 85ms/图，深度自适应 | 已完成 |
+
+**执行纪律（`Cargo.toml` / `lib.rs` 头部）**：语义源 = `hex_train.py` + `hex_hier.py`；零链式法则（有限差分符号更新，死区 `|g|<1e-6` 支路冻结）；随机决策由外部 plan 预生成——同 plan 必须**逐位复现** D 曲线；求和顺序与 Python 一致（容差 1e-9）；蜂窝六邻偏移 `EVEN_OFF`/`ODD_OFF` 与 Python `hex_conv_batch` 严格一致，边界 replicate；依赖仅 `rayon` + `lto=true`/`opt-level=3`。
+
+---
+
+## 6. 存算一体认知图对接面
+
+| 对接点 | 内容 |
+|---|---|
+| **上下文 = 认知图** | 查询式识别的 `ConnectionLibrary` 与认知图节点同构——连接 = 关系边，条件判断 = 条件空间卡，资格 = 四态 |
+| **机制复用** | `md_cg` 的四路检索 + judge 四态，与 `hex_search` 条件剪枝是**同一机制在两个域的实现** |
+| **单向沉淀** | hex 视觉产物经 `vision_evidence` 进认知图（vision-protection 管线已验证）；认知图知识经查询式**条件反哺**识别 |
+| **边界** | hex 管**感知特征层**，`md_cg` 管**知识记忆层**——感知 → 认知单向沉淀，认知 → 感知条件反哺 |
+
+---
+
+## 7. 外部对照与收敛证据
+
+### 7.1 Nature《Neuromorphic computing at scale》（637:801-812, 2025-01）
+
+- **四项同构**：存算一体／活动稀疏性（↔ 死区门控）／局部学习超越 BP（↔ 信息差递归分配）／稀疏胜稠密（↔ 单元化 60% 反超）。
+- **五维独有**：并行条件路由／递归四态搜索／文字模态反 ViT／信息差反传语义／白箱信任四态。
+- **三件可吸收**：活动稀疏度量化指标／可塑性-稳定性权衡／NeuroBench + NIR 口径对接。
+- **路线判断**：该论文的「AlexNet 时刻」赌芯片生态；本架构**不赌硬件**（纯软件白箱，hardware lottery 免疫）。
+
+### 7.2 与白箱化纲领四原理同构（本条链路 = 感知域实例）
+
+| 纲领原理 | hex 系列对应 |
+|---|---|
+| W1 统一表示 | 蜂窝晶格 + 语义卡 = 感知层 IR（多模态共用同一晶格与 HexConv 底座） |
+| W2 确定性内核 | 有限差分 + 死区门控 + Rust 确定性执行器（同 plan 逐位复现） |
+| W3 显式化 | 停因显式（`stop="infogap_dead_zone"/"max_depth"`）、演化史留痕、正交性证据留痕、BLINDSPOT 兜底 |
+| W4 知识数据化 | 核族 / 连接库 / 复合配方卡外置为声明——加物体 = 加一条记录，引擎零改动 |
+
+### 7.3 同构声明（双外部来源）
+
+`hex_ortho` 与 VCP-ToolBox `ResidualPyramid`（`minEnergyRatio=0.1`）为**两处独立来源同构**：前者在「特征（晶格）空间」对**核算子**做正交匹配剥离（白箱版，方向 = 手写核），后者在「向量空间」对语义方向做 Gram-Schmidt（数值版）——数学同一（最小二乘重解使残差正交）。
+
+---
+
+## 8. 验证基线与红线
+
+**基线（白箱自举 7 终极项目验收口径）**：`hex_cnn` **25/25**；白箱自举 7 项目 **686 单元**；管线 **1059 全绿**；递归搜索 R3 **5/5**；双后端等价 **8.9e-16**；多线程确定性断言在位。
+
+**域管线全量测试纪律**：改 hex 系列必跑全量，不许局部绿。
+
+**红线（不可违背）**：
+
+1. hex 系列改动必须全量回归（1059 基线）；
+2. 反传语义不得回退为链式法则 BP；
+3. 白箱组件零黑箱依赖（D-005：零 LLM，纯 numpy + PIL）；
+4. 理论问询优先查 CommonTrustProtocol 理论仓（智能论第五篇 / 白箱系列真源）。
+
+---
+
+## 9. 落点纪律与资产边界
+
+| 仓 | 角色 | 内容 |
+|---|---|---|
+| `AEIS/aeis/` | **身体库 = 测试与使用地**（私有库） | hex 系列活代码；存算一体认知图真源同仓 |
+| `protocol-compiler/hex_nn/` | **保留地**（荣裁定整体冻结为世界模型测试地点） | hex_nn Rust 后端 |
+| `dsh-memory/docs/world_model/` | **大脑仓 = 知识与档案**（本条落点） | 本档案（架构台账），不搬运代码与数据 |
+
+### 9.1 敏感信息隔离（工作纪律第 9 条）
+
+- 身体库 `AEIS/aeis/` 除 hex 系列外**混有大量非公开内容模块**（属身体仓私有线，依 §9.2 不随本档案开放）。本次整理**取证范围严格锁死在 hex 系列**，仅登记技术架构事实；
+- 本档案**不写入、不引用、不概括任何私有内容资产**（模块名、算法、数据、测试）；
+- 本档案于 **2026-09-16 经荣裁定提交入库**：公开面**仅限本架构台账**（组件职责 / 反传语义 / 数字来源 / 落点纪律），提交前过内容政策 + 隐私双清单（第 14 条）；身体仓私有线与保留地**不随本次提交开放**，节奏见 §9.2。
+
+### 9.2 三仓角色与开放路线（荣 2026-09-16 裁定）
+
+| 仓 | 角色 | 开放状态 |
+|---|---|---|
+| 大脑仓 `dsh-memory` | 知识与档案层 | 技术面已公开（本档案 2026-09-16 入库） |
+| 身体仓 `AEIS` | **测试地点**：承担**架构探索** + **敏感信息测试** | 暂私有；**理论与工程完善后逐步开放** |
+| 保留地 `protocol-compiler` | Rust 后端（`hex_nn`），冻结为世界模型测试地点 | 随架构成熟度逐步开放 |
+
+**自研边界（荣裁定）**：世界模型的**神经网络接口与架构全部为己方自有**——逐步开放；不依赖外部黑箱（不赌 GPU 生态、不用链式法则 BP、不含不可审计组件，与 §1 四公理一致）。**开放节奏由理论成熟度与工程完备度决定，不由外部标准倒逼。**
+
+**对本次整理的约束（裁定推论）**：
+
+1. 「敏感信息测试」是身体仓的**结构性职能**，非过渡权宜——故 §9.1 隔离纪律是**长期形态**：敏感内容模块与本架构资产分属两条线，前者永远留私有；
+2. 身体仓未来开放**不改变**本节纪律，反而使「架构资产可开放 / 敏感内容不可开放」的界线必须始终清晰；
+3. 架构探索期允许身体仓存在未定型的实验件（未复跑数字、候选方向）：本文档对其只登记「存在与来源」，**不冒充已验证**（§11 分工即为此设）。
+
+---
+
+## 10. 后续方向（候选，待裁定）
+
+| # | 方向 | 说明 |
+|---|---|---|
+| 1 | 活动稀疏度量化 | 对齐 Nature 指标口径（死区门控的直接度量，可证「稀疏胜稠密」） |
+| 2 | 与认知图查询式互通深化 | `ConnectionLibrary` ↔ 认知图条件空间卡的双向契约显式化（感知层与知识层的 IR 对齐） |
+| 3 | NeuroBench / NIR 口径对接 | 主流神经形态评测口径，用于外部可比性 |
+| 4 | R2.1 loss 内部并行 | Rust 后端未完项（表 §5） |
+
+---
+
+## 11. 验证状态声明（白箱：来源与验证逐项分离）
+
+**本会话已回放核验（一手）**：
+
+| 项 | 方式 | 结果 |
+|---|---|---|
+| 11 件 hex Python 源文件存在性 | 逐件 `read_file` 头部 | 全部在位 |
+| 荣裁定原文（四条公理 / 单元化 / 连接主义 / 查询式识别 / 会意 / 复原 / 递归搜索 / 神经元模型 / 文字模态） | 逐件核对源码头部注释原文 | 与总纲交接件一致，**无编造** |
+| 关键结构符号（`HexGrid` / `HexHierNet` / `ConnectionLibrary` / `UnitHeadNet` / `gram_schmidt_kernels` / `extract_regions` 等） | 源码正文对照 | 在位 |
+| Rust 后端 | `Cargo.toml`（hex_nn 0.1.0 / edition 2021 / rayon / lto）+ `lib.rs` 头部（语义源声明 / 零链式法则 / plan 分离 / 1e-9 容差 / 六邻偏移） | 与总纲一致 |
+| 三仓角色 | 目录实证 | 与落点纪律一致 |
+
+**未在本会话复跑（数字来源 = ZCode 端交接件与源码注释）**：里程碑数值（L3 57.3% / L4 42% / 89.6%@9.1ms / 60% 反超与 69% / 80% vs 43% / 复原 100% / 17.6→20.8%）、Rust 加速数据（8.9e-16 / 12.1× / 3.17×@8 / ~36× / 207ms / 85ms）、基线计数（25/25 / 686 / 1059 / 5/5）。
+
+> **说明**：上述数字**未经本会话执行验证**，按白箱原则标注来源而不冒充已验证。需要时经蜂巢派发复跑（第 17 条），或由使用者在 AEIS 侧复跑后回填。
+
+---
+
+## 12. 交接件索引与关联
+
+| 件 | 位置 | 关系 |
+|---|---|---|
+| 存算一体神经网络架构 · 总纲与交接 | `docs/存算一体神经网络架构_总纲与交接_20260916.md` | 本档案的**上游总纲**（保原位，不移动以免破坏认知图 `doc_*` 章节索引引用面） |
+| 白箱化纲领 · 三项目学习总架构与 Ghidra 交接 | `docs/白箱化纲领_三项目学习总架构与Ghidra交接_20260916.md` | §7.2 同构映射的上游纲领 |
+| 理论 · 机制 · 代码 · 实验 · 缺口矩阵 | `docs/理论_机制_代码_实验_缺口矩阵_v0.1.md` | 认知图侧机制台账（本档案的姊妹篇：知识层） |
+| 存算一体架构学习 · 外部理论对照与路线交接 | `docs/存算一体架构学习_外部理论对照与路线交接_20260916.md` | 外部理论弹药库（Nature 综述 / Overmann / colibri）+ 吸收路线（保原位，同总纲） |
+
+**认知图关联**：荣反传语义定义条（node_b299c354）· 世界模型条目 · hex 系列归档条（§11 补档后写入）。
+

package/docs//345/255/230/347/256/227/344/270/200/344/275/223/346/236/266/346/236/204/345/255/246/344/271/240_/345/244/226/351/203/250/347/220/206/350/256/272/345/257/271/347/205/247/344/270/216/350/267/257/347/272/277/344/272/244/346/216/245_20260916.md

@@ -0,0 +1,98 @@
+# 存算一体架构学习 · 外部理论对照与路线交接文档
+
+> 定位：荣指令（2026-09-16）「将这两份参考整理，制作存算一体架构学习的交接文档——后续完成蜂巢架构后，主要完善的就是存算一体/世界模型」
+> 两份核心参考：**①Nature《Neuromorphic computing at scale》**（637:801-812, 2025-01，23 位作者，Sandia/Intel/Manchester）· **②Overmann《Creating Intelligence: A Computational Foundation for AGI》**（arXiv:2606.31819, 2026-06）
+> 系统工程佐证：**colibri**（纯 C 零依赖 multitiering 推理引擎，34.1k★）· 资产档案：**《存算一体神经网络架构_总纲与交接_20260916.md》**（hex 系全系）· 上位纲领：《白箱化纲领》（W1-W4）
+> 交接方：ZCode 端 · 接收方：后续接手端
+
+---
+
+## 0. 一句话定位
+
+两份外部理论 + 一个系统工程样本，从**领域路线图**（Nature：怎么把神经网络做得像大脑一样省电）、**计算理论**（Overmann：智能的集合论基础）、**工程实证**（colibri：消费级硬件跑前沿模型）三个高度，为灵枢存算一体架构提供对照、背书与吸收清单——它们是「蜂巢完成后主攻存算一体/世界模型」阶段的理论弹药库。
+
+## 1. 两份论文的核心主张与分歧
+
+### 1.1 Nature 综述（领域路线图，正统阵营）
+
+- **存算一体**（in-memory compute）：RRAM/PCM 就地计算，破 von Neumann 瓶颈——引用 121/156 的芯片实证；
+- **活动稀疏性**（activity sparsity）：事件驱动才耗能——20 瓦人脑之谜的机制答案（引文 104：稀疏经时间反传）；
+- **八个规模化 co-design 特性**（正文付费墙，框架在案：异步事件驱动/稀疏通信/局部学习/存内计算/时空计算/在线适应/混合表示/固有可扩展性——逐条核对待全文）；
+- **拦路虎**：软件生态不成熟（Lava 等）、基准缺失（NeuroBench 100+ 人协作补位）、**hardware lottery**（引文 103：硬件决定算法命运）；
+- **判断**："AlexNet 时刻"=赌芯片生态成熟。
+
+### 1.2 Overmann（计算理论，激进离散路线）
+
+- **集合论+超维度计算（HDC）**：稀疏二进制**集合**数据替代连续权重与矩阵乘法，直接建模生物**群体编码**；
+- **拓扑可塑性**（topological plasticity）：学习由网络拓扑生长驱动，"rather than scalar weight adjustments"——非标量权重调整；
+- **子集模式匹配**：统一自联想与异向联想为单一算法，配合组合扩展隐藏层实现**常数时间精确最近邻**；
+- **桥接**：感知（稀疏分布式表示 SDR）↔符号（稀疏全息表示）无缝转换，无连续瓶颈；
+- **神经解剖映射**：小脑+新皮层=同一算法的两个变体——子集模式匹配是认知基本引擎；
+- **硬件路径**：纯离散逻辑→直接转存内硬件，**现有数字电路即可**，达人类级能效。
+
+### 1.3 分歧与共同点（对选路线的关键）
+
+| | Nature 线 | Overmann 线 |
+|---|---|---|
+| 表示 | 脉冲+模拟状态（专用芯片） | 纯稀疏二进制集合（现有数字电路） |
+| 硬件依赖 | 高（Loihi 类神经形态芯片成熟度） | **低（任何数字逻辑可跑）** |
+| 与灵枢距离 | 方法同构（稀疏/局部学习/存内） | **表示同构（我们就是离散集合路线）** |
+
+**共同点**：反 BP、反浮点矩阵乘、稀疏性第一性、存内计算、生物合理性。**共同启示**：下一代的"规模化"不靠更大的 GPU 集群，靠**表示与计算范式的更换**——这正是灵枢已经在做的事（认知图=条件化+信任化的离散集合表示）。
+
+## 2. 与灵枢存算一体架构的对照矩阵
+
+| 维度 | Nature 主张 | Overmann 主张 | 灵枢现状 | 判定 |
+|---|---|---|---|---|
+| 表示 | 脉冲/模拟状态 | 稀疏二进制集合 | md 节点+tags 集合+frontmatter（**条件化+信任化 IR**） | Overmann 同构，灵枢多两维 |
+| 学习 | 局部学习/脉冲时序依赖 | 拓扑可塑性（拓扑生长非调权重） | **信息差递归分配+死区门控+结构生长** | 三方同构；灵枢有完整可执行算法 |
+| 检索 | —（未详） | 子集匹配+常数时间 | bigram 集合匹配 O(N)+GLOBAL_CAP 截断 | **灵枢短板**（见 §4-5） |
+| 计算 | 存内芯片（RRAM/PCM） | 离散逻辑存内 | 认知图存算一体（纯软件） | 灵枢不赌硬件（lottery 免疫） |
+| 稀疏 | activity sparsity | SDR 稀疏编码 | 死区门控/单元化 60% 反超稠密 | 已实证 |
+| 感知↔符号 | — | SDR↔全息表示桥 | hex（感知）→md_cg（符号）管线已有，理论框架缺 | **吸收点** |
+| 双结构 | — | 小脑+新皮层变体 | hive（并发执行）+md_cg（知识皮层） | 类比成立 |
+
+**灵枢独有（两论文皆无）**：条件论（条件空间卡/四态资格/负路由）、信任凭证（verification_basis/HMAC）、信息差反传的完整分配算法、时空图 stg、多 harness/蜂群/维生。
+
+## 3. colibri 系统工程佐证（第三参考）
+
+- **AI memory multitiering**：VRAM/RAM/NVMe 单一层次，权重被「放置」而非「装下」——744B 每 token 仅激活 40B（5.4%）的稀疏实证；
+- **JIT for weights**：实测路由热度→LRU+学习型 pin+预取（坦承可过拟合，保持为可测策略）；
+- **语义硬保证**：「内存不足可降速，不得静默重定义模型」+ token-exact 前向验证（KV 57× 压缩语义不变）；
+- **研究文化**：每个优化=假设须控制变量 A/B，鼓励发布负结果——与灵枢验证纪律同款；
+- **对存算一体的映射**：认知图已具 multitiering 雏形（`_index.json`=常驻层/md 文件=盘层/access_count=路由热度）——**「检索命中→节点分层驻留」是 GLOBAL_CAP 问题的架构级正解**（比截断优雅）。
+
+## 4. 学习吸收路线（三档，接存算一体总纲 §9）
+
+### 近期（随日常迭代）
+1. **活动稀疏度量化**：hex_cnn 激活稀疏度测量（对齐 Nature activity sparsity 指标口径）；
+2. **可塑性-稳定性权衡指标**：借 Kudithipudi NeurEl 2023（Nature 引文 58）口径度量记忆闭环；
+3. **Overmann 正文深读**：子集模式匹配的索引结构 + SDR↔全息表示桥的算法细节（3.3MB PDF，当前仅摘要级对照）。
+
+### 中期（存算一体阶段任务）
+4. **认知图分层驻留**（colibri multitiering → md_cg）：热节点细化驻留/冷节点盘上+按查询模式预取——GLOBAL_CAP 截断的架构级替代；
+5. **集合索引检索加速**：Overmann 常数时间机制研读后定方案（组合扩展拓扑的存储代价需先验证——经典 HDC 维数-容量权衡）；
+6. **条件路由热度可视化**：借 colibri Brain/Atlas 样式（白箱可视化：颜色=存储层/亮度=路由热度）；
+7. **SDR↔符号桥接设计**：hex 感知特征→md_cg 符号节点的理论化（Overmann 框架套用）。
+
+### 远期（世界模型阶段）
+8. **hex_cnn 硬件化评估**：离散逻辑存内路径（Overmann 路线，无需浮点矩阵/脉冲芯片）；
+9. **NeuroBench/NIR 口径对接**（Nature 引文 52/基准框架）；
+10. **世界模型=存算一体 IR 的推演执行**（见 §5）。
+
+## 5. 存算一体→世界模型的桥（下一主战场的理论接线）
+
+荣路线：灵枢大脑迭代 → **世界模型**（protocol-compiler=测试地点）。两份论文给世界模型的直接输入：
+
+- **世界状态=存算一体 IR 的推演执行**：认知图（现在时状态，条件化+信任化表示）+ 演化规则（蜂群确定性结算，W2 内核）+ 观察回写（episode/WAL 闭环）——MiroFish 反例已证「有智能无白箱」不可复算，正例骨架已被其市场验证；
+- **Nature co-design 八特性**可直接改造为世界模型架构 checklist（异步事件驱动/稀疏通信/时空计算/在线适应逐条问：世界模型的这一环做了吗）；
+- **Overmann 拓扑可塑性=世界模型的结构演化机制**：世界状态演化不是权重调整而是拓扑生长（新节点/新边）——与 hex_search 的条件剪枝生长同源；
+- **小脑+新皮层双腔**：hive（小脑：并发执行/维生）+ md_cg（新皮层：知识/规划）——世界模型的双腔结构在灵枢已存在，缺的是推演循环的显式化。
+
+## 6. 边界与纪律
+
+1. 两论文为**外部理论对照**，非灵枢依赖——吸收思想不引代码（Nature 付费墙正文另计）；
+2. Overmann 独立作者未评审、无 SOTA 基准、常数时间声明的工程代价待验证——**引用须带此声明**；
+3. colibri benchmark 为自测口径（协议公开可复现，采信前按惯例可独立复跑）；
+4. hex 系红线不变：全量回归 1059 基线、反传语义不得回退为链式法则 BP、零黑箱依赖；
+5. 理论问询优先 CommonTrustProtocol 理论仓；归档走 md_cg 正规通道（写入后读回确认——纪律第 16 条 v1.1 修订案）。

package/docs//345/255/230/347/256/227/344/270/200/344/275/223/347/245/236/347/273/217/347/275/221/347/273/234/346/236/266/346/236/204_/346/200/273/347/272/262/344/270/216/344/272/244/346/216/245_20260916.md

@@ -0,0 +1,109 @@
+# 存算一体神经网络架构 · 总纲与交接文档
+
+> 交接方：ZCode 端 · 接收方：后续接手端（CodeBuddy / 未来会话）
+> 建档时间：2026-09-16 · 依据：荣指令「整理完整的存算一体神经网络架构文档，放入大脑仓库，作为后续交接文档」
+> 资产位置：**`AEIS/aeis/`（身体库，测试与使用地）**——hex_cnn/hex_hier/hex_query/hex_search/hex_ortho/hex_composite/hex_recon 全系；**`protocol-compiler/`（中文编译器仓，保留地）**——hex_nn Rust 后端与训练管线
+> 理论真源：智能论第五篇（上下文=存算一体认知图）· 荣反传语义（2026-09-06 定义）· 白箱智能系列
+> 外部对照：Nature《Neuromorphic computing at scale》（637:801-812, 2025-01，灵枢 node_a96be666）
+
+---
+
+## 0. 一句话总纲
+
+**蜂窝网格上的自研 CNN × 并行条件路由 × 递归四态搜索，以信息差递归分配替代反向传播，以存算一体认知图为上下文容器**——一条不依赖 GPU/链式法则/黑箱框架的白箱视觉与认知计算路线。识别的本质是查询（荣 2026-09-08），存储即计算（第五篇定论），参数是简单关系量、语义是关系组合结构（荣神经元模型）。
+
+## 1. 理论基础（四条公理级裁定）
+
+1. **反传语义（荣定义）**：训练=**信息差递归分配** + **死区门控**（超死区的信息差才传播）+ **递归收敛**。禁链式法则 BP——梯度不存在，存在的是"哪里还有信息没榨出来"。
+2. **白箱原则**：核参数可学习，但结构/损失/梯度/路由全程可审计；每一步数值有出处（有限差分可复算），黑箱组件零容忍。
+3. **连接主义范式（荣 2026-09-08 战略指令）**：从拟合到激活——四层关系架构 L0 差分链（100%）→ L1 区域（84.5%）→ L2 物体 → L3 大域；训练集缩小=构型覆盖率问题。
+4. **存算一体认知图（第五篇定论）**：上下文不是检索结果缓存，而是**存算一体**——认知图节点既是存储（md 认知图）又是计算单元（路由/资格裁决/查询式激活）。
+
+## 2. 架构总览
+
+```
+输入图像 → HexGrid 蜂窝网格化（48/64 列晶格）
+    → hex_conv 蜂窝卷积（核库：smooth/edge/可学习核）      [L0 特征层]
+    → 并行条件路由（特征前端=CNN，语义判定层=路由）          [L1 区域层]
+    → 递归四态搜索（大域→子域并行细分，条件剪枝+死区终止）    [L2 物体层]
+    → 层级合成（组合卡→场景质心）+ 复合体会意                [L3 大域层]
+    → 查询式识别（ConnectionLibrary 连接相似性+条件判断）
+上下文/知识 ←→ 存算一体认知图（md_cg，条件化+信任化 IR）
+```
+
+三大机制贯穿全层：**正交残差金字塔**（语义方向逐层 Gram-Schmidt 剥离+信息差自适应深度，hex_ortho；与 VCP ResidualPyramid 两处独立来源同构）；**误差驱动生长**（结构随信息差生长，非预设固定）；**四态资格裁决**（ACCEPT/REJECT/DEFER/BLINDSPOT 通用于节点、路由、搜索剪枝）。
+
+## 3. 组件清单（hex 系列 · AEIS/aeis/）
+
+| 组件 | 职责 | 关键结构 | 里程碑数据 |
+|---|---|---|---|
+| **hex_cnn.py** (16KB) | 蜂窝 CNN 基座：网格化/蜂窝卷积/核库 | `HexGrid`/`hex_conv`/`kernel_smooth/edge` | 25/25 验收；传感器层原生架构 |
+| **hex_hier.py** (17KB) | 层级化 HexNet（M3）：L1 轮廓颜色→L2 物体→L3 组合卡→L4 场景质心 | `HexHierNet`/`train_hier`/`calibrate_hier_cards` | 合成场景 L3 57.3% / L4 42% |
+| **hex_query.py** (7KB) | 查询式识别（M4.16）：连接库相似性+条件判断 | `ConnectionLibrary`/`query_match` | **89.6% @ 9.1ms 稳定**（M4.24） |
+| **hex_search.py** (10KB) | 递归四态搜索（R3）：大域→子域并行细分 | `recursive_search`/`evaluate_node` | 剪枝率过半；64 列 85ms/图 |
+| **hex_ortho.py** (11KB) | 正交残差金字塔+信息差自适应深度 | Gram-Schmidt 剥离/残差能量占比 | 双外部来源同构（VCP） |
+| **hex_composite.py** (5KB) | 复合体会意（M4.3）：部件组合配方卡 | 证据密度效应 | 证据密度 80% vs 43% |
+| **hex_recon.py** (5KB) | 完美复原（M4.24） | — | 复原 100% |
+| hex_train 管线 | 训练（M2 起）：有限差分+死区门控 | — | CIFAR-10 A 17.6%→B 20.8%（预训练增益+3.2%） |
+
+**关键实证里程碑**：单元化 **60% 反超稠密** + 69% 新高（M4.24 荣神经元模型重构）——稀疏单元结构胜稠密，连接主义范式落地；M4.3d/e 归一化对照（expanded 0→28.3→40%）证明**尺度管理是递归的**（幅度通道无界再极化则归零）。
+
+## 4. 反传语义与训练（核心算法）
+
+```
+前向：特征 → 条件路由 → 判定
+反向：信息差 D = |期望激活 − 实际激活|，按层级递归分配
+门控：D < 死区阈值 → 不传播（活动稀疏性的算法形态）
+生长：持续超死区的连接 → 结构生长（新单元/新连接）
+收敛：递归至各层信息差低于死区 → 停止
+执行：有限差分（扰动必须真实进入损失——R1 闭包捕获教训）
+```
+
+与 BP 的本质区别：BP 传播的是**梯度**（链式法则，需全局可微），反传语义分配的是**信息差**（局部可测，白箱可审计）。四个数值坑在案：deadReLU/均值池化/float32/闭包捕获。
+
+## 5. Rust 后端（protocol-compiler 保留地）
+
+| 阶段 | 内容 | 数据 |
+|---|---|---|
+| R1 | hex_nn Rust 后端：plan/执行分离 | 等价 **8.9e-16**，加速 **12.1×**；闭包捕获 bug 教训在案 |
+| R2 | 支路级并行=批量评估-收敛 | 多线程确定性，**3.17×@8 线程**；总加速 **~36×** |
+| R2.1 | loss 内部并行 | 待做 |
+| R3 高分辨率 | 64 列晶格 | 207ms/步、搜索 85ms/图，深度自适应 |
+
+## 6. 存算一体认知图对接
+
+- **上下文=认知图**：查询式识别的 ConnectionLibrary 与认知图节点同构——连接=关系边，条件判断=条件空间卡，资格=四态；
+- **路由/资格复用**：md_cg 的四路检索+judge 四态与 hex_search 的条件剪枝是同一机制在两个域的实现；
+- **数据流**：hex 视觉产物经 vision_evidence 进认知图（vision-protection 管线已验证），认知图知识经查询式反哺识别；
+- **与 MDCG 的边界**：hex 管**感知特征层**（蜂窝/连接/搜索），md_cg 管**知识记忆层**（节点/图/检索）——感知→认知单向沉淀（16 条闭环），认知→感知条件反哺。
+
+## 7. Nature《Neuromorphic computing at scale》对照（2026-09）
+
+**四项同构**：存算一体（in-memory compute↔存算一体认知图+hex_query）/活动稀疏性（activity sparsity↔死区门控）/局部学习超越 BP（↔信息差递归分配）/稀疏胜稠密（↔单元化 60% 反超）。**五维独有**：并行条件路由/递归四态搜索/文字模态反 ViT（汉字子部件嵌套原生数据）/信息差反传语义/白箱信任四态。**三件可吸收**：活动稀疏度量化指标/可塑性-稳定性权衡（Kudithipudi NeurEl 2023）/NeuroBench+NIR 口径对接。**路线判断**：论文的"AlexNet 时刻"赌芯片生态，本架构不赌硬件（纯软件白箱，hardware lottery 免疫）。
+
+## 8. 测试基线与验收（2026-09-05 白箱自举 7 终极项目验收）
+
+- hex_cnn.py **25/25**；白箱自举 7 项目 **686 单元**；管线 **1059 全绿**；
+- 域管线全量测试纪律：改 hex 系列必跑全量，不许局部绿；
+- 递归搜索 R3 5/5；双后端等价 8.9e-16；多线程确定性断言在位。
+
+## 9. 落点纪律与交接边界
+
+| 仓 | 角色 |
+|---|---|
+| `AEIS/aeis/` | **身体库 = 测试与使用地**（hex 系列活代码；存算一体认知图真源同仓 `data/mdcg/`） |
+| `protocol-compiler/` | **中文编译器仓 = 保留地**（hex_nn Rust 后端；荣裁定整体冻结为世界模型测试地点） |
+| `dsh-memory/` | 大脑仓：本档案所在地；认知图引擎（md_cg）与感知层的对接面 |
+
+- **后续方向候选**（待荣裁定）：①活动稀疏度量化（对齐 Nature 指标）②hex 系列与记忆评审/认知图的查询式互通深化③NeuroBench 口径对接④R2.1 loss 内部并行；
+- **红线**：hex 系列改动必须全量回归（1059 基线）；反传语义不得回退为链式法则 BP；白箱组件零黑箱依赖；
+- 理论问询优先查 CommonTrustProtocol 理论仓（智能论第五篇/白箱系列真源）。
+
+## 10. 快速上手
+
+```bash
+# 1. 读本文 §1 四条公理 + §4 反传语义
+# 2. 跑基线：AEIS/aeis/ 下 python -m aeis.hex_cnn（25/25 预期）
+# 3. 查证结构：hex_cnn.py 头部四裁定注释 / hex_search.py 头部荣设计原文
+# 4. 改动前：读 §9 红线；改动后：全量回归 + 灵枢归档（16 条）
+```

package/docs//345/267/245/344/275/234/347/272/252/345/276/213_/350/256/244/347/237/245/345/233/276/346/235/241/347/233/256_v1.1.json

@@ -11,12 +11,12 @@
   "reject": []
  },
  "_comment": "identity负责端口分流; negative只否决明确域外; 无//注释(标准JSON)",
- "content": "工作纪律集: 4条方法论(理论先行/全面处理/白箱方法/根因) + 3条执行(验证/双副本/兜底) + 1条思考(中文思考/协作模式分级) + 1条保密(敏感信息隔离) + 3条图像线(选源护栏/历史查询优先/算法权威唯一) + 1条协作(访谈澄清:先问清再动手) + 1条合规(内容政策合规:公开产物过内容政策+隐私双清单) + 1条执行环境(命令执行统一走python/UTF-8: 显式encoding+PYTHONUTF8=1, 规避GBK) + 1条记忆闭环(任务收尾归档:每次任务执行完将关键修改存入灵枢记忆)",
+ "content": "工作纪律集: 4条方法论(理论先行/全面处理/白箱方法/根因) + 3条执行(验证/双副本/兜底) + 1条思考(中文思考/协作模式分级) + 1条保密(敏感信息隔离) + 3条图像线(选源护栏/历史查询优先/算法权威唯一) + 1条协作(访谈澄清:先问清再动手) + 1条合规(内容政策合规:公开产物过内容政策+隐私双清单) + 2条执行调度与运行环境(命令执行统一走python/UTF-8: 显式encoding+PYTHONUTF8=1, 规避GBK; 任务派发统一走蜂巢: 任何执行性任务经蜂巢spawn/submit执行并留痕, agent本体只做编排) + 1条记忆闭环(任务收尾归档:每次任务执行完只将核心修改(内容/原因/位置/验证结论)按CCG六要素(功能名/生效条件/子功能/执行/验证方式/不适用条件)成文存入灵枢记忆, 不写中间过程)",
  "execution": {
   "how": "按identity(端口)+任务类型路由到对应纪律"
  },
  "response": {
-  "direct": "按工作纪律路由: 重要/长期→理论先行; 有相关成果→全面处理; 已读4篇→白箱方法; 有偏差→根因纪律; 入库前→验证纪律; 多副本→双副本; MCP不可用→兜底纪律; 对外公开→内容政策合规(内容政策+隐私双清单)。命令执行→python/UTF-8(见第15条)。任务完成→任务收尾归档(见第16条)。"
+  "direct": "按工作纪律路由: 重要/长期→理论先行; 有相关成果→全面处理; 已读4篇→白箱方法; 有偏差→根因纪律; 入库前→验证纪律; 多副本→双副本; MCP不可用→兜底纪律; 对外公开→内容政策合规(内容政策+隐私双清单)。命令执行→python/UTF-8(见第15条)。执行性任务派发→蜂巢(见第17条)。任务完成→任务收尾归档(见第16条)。"
  },
  "subgraph": {
   "nodes": [
@@ -37,7 +37,7 @@
      ]
     },
     "execution": {
-     "how": "识别项目级别→检索相关理论文档→输出理论要点→再进入设计"
+     "how": "识别项目级别→检索理论文档与既有实践→输出理论要点→再进入设计"
     },
     "response": {
      "direct": "按工作纪律第1条: 理论先行——先查相关理论与既有实践再动手。"
@@ -378,7 +378,7 @@
    {
     "id": "discipline_memory_archive",
     "semantic": "16.任务收尾归档(记忆闭环)",
-    "content": "每次任务执行完必须将关键修改内容存入灵枢记忆: 任务完成→提炼关键项(改了什么/为什么改/落在哪个文件·函数·行/验证结论)→写入灵枢记忆(认知图/MCP memory)→标注关联节点并更新 subgraph/depends_on 关系; 只存关键项(决策/根因/可复用算法与路径/版本变更), 不存过程流水. 与第2条(全面处理:先查记忆)构成「查记忆→执行→写记忆」闭环.",
+    "content": "每次任务执行完必须将关键修改内容存入灵枢记忆: 任务完成→提炼关键项(改了什么/为什么改/落在哪个文件·函数·行/验证结论)→写入灵枢记忆(认知图/MCP memory)→读回确认(写入后发起一次读取查询, 确认写入成功且可被检索命中)→标注关联节点并更新 subgraph/depends_on 关系; 只存关键项(决策/根因/可复用算法与路径/版本变更), 不存过程流水. 写入范围仅限核心修改(内容/原因/位置/验证结论四要素), 且必须按 CCG 六要素成文(功能名/生效条件/子功能/执行/验证方式/不适用条件, 各占一行并以「# <要素名>：」起首)——六要素缺一即 ccg_completeness 不完整, judge_qualification 判 BLINDSPOT、节点不可判定且检索不完整; 严禁写入中间过程/试错步骤/调试细节/重复确认等无效信息——避免污染记忆、干扰后续检索. 未读回确认不得视为归档完成. 与第2条(全面处理:先查记忆)构成「查记忆→执行→写记忆→读回确认」闭环.",
     "conditions": {
      "apply": [
       "任务执行完成",
@@ -394,10 +394,38 @@
      ]
     },
     "execution": {
-     "how": "任务收尾→提炼关键修改(内容/原因/位置/验证结论)→写入灵枢记忆(认知图/MCP memory)→标注关联条目+更新 subgraph/depends_on"
+     "how": "任务收尾→提炼核心修改(内容/原因/位置/验证结论四要素, 不写中间过程/试错/调试/重复确认)→按 CCG 六要素成文(# 功能名/# 生效条件/# 子功能/# 执行/# 验证方式/# 不适用条件 六行缺一不可, 与正文四要素并置)→写入灵枢记忆(认知图/MCP memory)→读回确认(写入后发起一次读取查询确认写入成功且可检索)→标注关联条目+更新 subgraph/depends_on"
     },
     "response": {
-     "direct": "按工作纪律第16条: 任务收尾归档——每次任务执行完提炼关键修改存入灵枢记忆, 与第2条形成「查记忆→执行→写记忆」闭环。"
+     "direct": "按工作纪律第16条: 任务收尾归档——每次任务执行完只提炼核心修改(内容/原因/位置/验证结论)并按 CCG 六要素(功能名/生效条件/子功能/执行/验证方式/不适用条件)成文存入灵枢记忆, 写入后发起一次读取查询确认写入成功且可检索, 禁写中间过程/试错/调试等无效信息, 与第2条形成「查记忆→执行→写记忆→读回确认」闭环。"
+    }
+   },
+   {
+    "id": "discipline_hive_dispatch",
+    "semantic": "17.任务派发统一走蜂巢",
+    "content": "任何执行性任务(跑脚本/测试、批量处理、探索盘点、文本加工、多智能体协作)一律经蜂巢派发执行: agent本体只做编排(拆spec→submit/spawn→poll收result→汇总), 宿主自带subagent/team/Task不是等价通道. 原理: ①执行留痕(spec/status/result落盘可追溯, 会话结束不蒸发); ②统一调度面(worker池/心跳/超时强杀/kill/崩溃恢复); ③dogfooding(自家引擎高频实战打磨, 打破「宿主顺手→跳过→永不打磨」死循环); ④判定成本归零(无例外通道, 杜绝「以为只是探索」滑移).",
+    "conditions": {
+     "apply": [
+      "执行性任务",
+      "多智能体协作",
+      "批量/并行工作",
+      "探索盘点",
+      "运行测试/脚本"
+     ]
+    },
+    "negative": {
+     "reject": [
+      "纯会话内对话/问答(无执行动作)",
+      "蜂巢不可用且任务必须立即执行(兜底须声明)",
+      "情感交互",
+      "闲聊"
+     ]
+    },
+    "execution": {
+     "how": "任务→拆spec(LLM委托型=默认exec.py: model+user_prompt+context_files; 确定性执行=自定义worker, 契约「读spec.json写result.json」)→hive_spawn/CLI submit→poll→汇总; 兜底情形须声明「蜂巢不可用, 兜底降级」"
+    },
+    "response": {
+     "direct": "按工作纪律第17条: 任务派发统一走蜂巢——任何执行性任务经蜂巢 spawn/submit 执行并留痕(spec/status/result), agent本体只做编排; 宿主自带subagent/team不是等价通道, 兜底须声明。"
     }
    }
   ]