liquid-loop 0.7.0__tar.gz → 0.7.1__tar.gz

{liquid_loop-0.7.0 → liquid_loop-0.7.1}/PKG-INFO

@@ -1,6 +1,6 @@
 Metadata-Version: 2.4
 Name: liquid-loop
-Version: 0.7.0
+Version: 0.7.1
 Summary: Self-Organizing Cognitive Memory for AI Agents — Liquid Loop theory implementation
 Author: fishbook0001
 Maintainer: fishbook0001
@@ -72,7 +72,7 @@ Dynamic: license-file
 | **Anchor** 锚点 | 晶种 | 认知关注点，有稳定性值 s ∈ [0,1] |
 | **Evidence** 证据 | 附着粒子 | 锚点下的具体观察，权重指数衰减 w×0.95ᵗ |
 | **Memory** 结晶 | 结晶体 | 2+ 条一致 Evidence 自动凝聚，有置信度 c |
-| **Entropy** 熵值 | 流体无序度 | 八维加权（锚点漂移 / 冲突密度 / 碎片 / 活跃间隔 / 价值衰减 / 锚定强度 / CPE 三维） |
+| **Entropy** 熵值 (LEI) | 流体无序度 | 八维加权（锚点漂移 / 冲突密度 / 碎片 / 活跃间隔 / 价值衰减 / 锚定强度 / CPE 三维） |
 
 **状态判定：**
 ```
@@ -81,6 +81,12 @@ YELLOW (0.3 ≤ entropy < 0.6) — 需关注
 RED    (entropy ≥ 0.6)  — 需清理
 ```
 
+> **关于 "Entropy" 的语义澄清 — Liquid Entropy Index (LEI)**
+>
+> 本项目中的 `entropy` 是 **Liquid Entropy Index (LEI): a system-stability deviation metric, inspired by entropy but NOT equivalent to thermodynamic entropy.**
+> 它不是物理熵 `S = -k Σ pᵢ log pᵢ`，而是对**系统状态偏离稳定流形程度**的综合度量——由八个可解释分量人工加权而成（锚点漂移 / 冲突密度 / 证据碎片 / 活跃间隔 / 价值衰减 / 锚定强度 + CPE 三维：回顾性衰退 / 策略漂移 / 泛化崩塌）。
+> 代码层函数名保留 `calculate()`（历史连续性）；文档 / 论文层一律以 **LEI** 指称，避免与热力学熵混淆。
+
 ---
 
 ## 快速开始
@@ -93,7 +99,7 @@ pip install liquid-loop
 
 ### 3 分钟上手
 ```python
-from liquid_loop import WorkspaceState, load, save, calculate_entropy
+from liquid_loop import WorkspaceState, load, save, calculate
 
 # 1. 创建/加载工作区
 state = WorkspaceState()  # 或 load(Path("."))
@@ -111,7 +117,7 @@ for m in state.memories:
     print(f"结晶: {m.content[:50]}... (置信度={m.confidence:.2f})")
 
 # 5. 监控认知健康
-entropy = calculate_entropy(state)
+entropy = calculate(state)
 print(f"熵值: {entropy:.4f} → {'🟢GREEN' if entropy < 0.3 else '🟡YELLOW' if entropy < 0.6 else '🔴RED'}")
 
 # 6. 持久化
@@ -167,6 +173,26 @@ print(health["CCI"], health["consensus_crystals"])
 
 ---
 
+## 定位：Self-Regulating Persistent Memory Dynamics
+
+液环的本质不是"AI 意识"，而是一套 **agent 系统的自调节持久记忆动力学（Self-Regulating Persistent Memory Dynamics for Agent Systems）**。`AuditChain + LEI(Entropy) + Memory decay` 三者组合形成闭环，使记忆从"外部管理"转向"内部自组织"：
+
+```
+   Input Evidence
+        ↓
+   Memory State  ←──────────────┐
+        ↓                        │
+   LEI Evaluation (八维熵)        │
+        ↓                        │
+   Decay / Reinforcement ────────┘
+        ↓
+   AuditChain (SHA256 链式追溯)
+```
+
+这比单独的 memory store 更接近一个可被实验检验的**动态系统**：输入驱动状态、熵评估稳定性、衰减/强化回流状态、审计链保证来源可信。
+
+---
+
 ## 架构对比
 
 ```
@@ -213,7 +239,7 @@ liquid-loop/
 │   ├── __init__.py      # 公共 API 导出
 │   ├── workspace.py     # 核心数据模型 + AuditChain + auto_classify + decay
 │   ├── storage.py       # JSON 持久化 + 审计链写入
-│   ├── entropy.py       # 四维熵值计算
+│   ├── entropy.py       # 八维熵值计算（含 CPE 三维）
 │   ├── mesh/            # MESH v2 多智能体共识协议集成（validate_evidence / compute_cci / ...）
 │   └── cli.py           # Click CLI (11 命令)
 ├── examples/
@@ -240,12 +266,15 @@ pytest -v
 
 ## 路线图
 
-- [ ] 语义一致性结晶（嵌入相似度替代精确匹配）
 - [x] 多 Agent 液环耦合（`liquid_loop.mesh` v2 共识协议，2026-07-15 落地）
-- [ ] LX 扩展：世界模型预测纳入液环
+- [ ] **[v0.8] 反证轨（Evidence Graph）**：Evidence 分 support / contradiction，一致增稳、冲突降稳，驱动 memory stability score（不再"一致即真"）
+- [ ] **[v0.8] 显式时间动力学**：`M(t+1) = M(t) + reinforcement − decay − contradiction_penalty`，让记忆成为"过程"而非"对象"（真正的液态循环）
+- [ ] **[v0.8] 三实验**：E2 错误记忆恢复（核心）→ E3 多 agent 冲突（mesh 价值）→ E1 长期漂移（压力测试）
 - [ ] LoCoMo / LongMemEval 基准对比
 - [ ] 边缘端部署优化（<50KB）
 
+> 零向量是液环的硬约束：一致性判定永不引入 embedding / 相似度（这正是液环要替代的方案）。
+
 ---
 
 ## 许可证

{liquid_loop-0.7.0 → liquid_loop-0.7.1}/README.md

@@ -33,7 +33,7 @@
 | **Anchor** 锚点 | 晶种 | 认知关注点，有稳定性值 s ∈ [0,1] |
 | **Evidence** 证据 | 附着粒子 | 锚点下的具体观察，权重指数衰减 w×0.95ᵗ |
 | **Memory** 结晶 | 结晶体 | 2+ 条一致 Evidence 自动凝聚，有置信度 c |
-| **Entropy** 熵值 | 流体无序度 | 八维加权（锚点漂移 / 冲突密度 / 碎片 / 活跃间隔 / 价值衰减 / 锚定强度 / CPE 三维） |
+| **Entropy** 熵值 (LEI) | 流体无序度 | 八维加权（锚点漂移 / 冲突密度 / 碎片 / 活跃间隔 / 价值衰减 / 锚定强度 / CPE 三维） |
 
 **状态判定：**
 ```
@@ -42,6 +42,12 @@ YELLOW (0.3 ≤ entropy < 0.6) — 需关注
 RED    (entropy ≥ 0.6)  — 需清理
 ```
 
+> **关于 "Entropy" 的语义澄清 — Liquid Entropy Index (LEI)**
+>
+> 本项目中的 `entropy` 是 **Liquid Entropy Index (LEI): a system-stability deviation metric, inspired by entropy but NOT equivalent to thermodynamic entropy.**
+> 它不是物理熵 `S = -k Σ pᵢ log pᵢ`，而是对**系统状态偏离稳定流形程度**的综合度量——由八个可解释分量人工加权而成（锚点漂移 / 冲突密度 / 证据碎片 / 活跃间隔 / 价值衰减 / 锚定强度 + CPE 三维：回顾性衰退 / 策略漂移 / 泛化崩塌）。
+> 代码层函数名保留 `calculate()`（历史连续性）；文档 / 论文层一律以 **LEI** 指称，避免与热力学熵混淆。
+
 ---
 
 ## 快速开始
@@ -54,7 +60,7 @@ pip install liquid-loop
 
 ### 3 分钟上手
 ```python
-from liquid_loop import WorkspaceState, load, save, calculate_entropy
+from liquid_loop import WorkspaceState, load, save, calculate
 
 # 1. 创建/加载工作区
 state = WorkspaceState()  # 或 load(Path("."))
@@ -72,7 +78,7 @@ for m in state.memories:
     print(f"结晶: {m.content[:50]}... (置信度={m.confidence:.2f})")
 
 # 5. 监控认知健康
-entropy = calculate_entropy(state)
+entropy = calculate(state)
 print(f"熵值: {entropy:.4f} → {'🟢GREEN' if entropy < 0.3 else '🟡YELLOW' if entropy < 0.6 else '🔴RED'}")
 
 # 6. 持久化
@@ -128,6 +134,26 @@ print(health["CCI"], health["consensus_crystals"])
 
 ---
 
+## 定位：Self-Regulating Persistent Memory Dynamics
+
+液环的本质不是"AI 意识"，而是一套 **agent 系统的自调节持久记忆动力学（Self-Regulating Persistent Memory Dynamics for Agent Systems）**。`AuditChain + LEI(Entropy) + Memory decay` 三者组合形成闭环，使记忆从"外部管理"转向"内部自组织"：
+
+```
+   Input Evidence
+        ↓
+   Memory State  ←──────────────┐
+        ↓                        │
+   LEI Evaluation (八维熵)        │
+        ↓                        │
+   Decay / Reinforcement ────────┘
+        ↓
+   AuditChain (SHA256 链式追溯)
+```
+
+这比单独的 memory store 更接近一个可被实验检验的**动态系统**：输入驱动状态、熵评估稳定性、衰减/强化回流状态、审计链保证来源可信。
+
+---
+
 ## 架构对比
 
 ```
@@ -174,7 +200,7 @@ liquid-loop/
 │   ├── __init__.py      # 公共 API 导出
 │   ├── workspace.py     # 核心数据模型 + AuditChain + auto_classify + decay
 │   ├── storage.py       # JSON 持久化 + 审计链写入
-│   ├── entropy.py       # 四维熵值计算
+│   ├── entropy.py       # 八维熵值计算（含 CPE 三维）
 │   ├── mesh/            # MESH v2 多智能体共识协议集成（validate_evidence / compute_cci / ...）
 │   └── cli.py           # Click CLI (11 命令)
 ├── examples/
@@ -201,12 +227,15 @@ pytest -v
 
 ## 路线图
 
-- [ ] 语义一致性结晶（嵌入相似度替代精确匹配）
 - [x] 多 Agent 液环耦合（`liquid_loop.mesh` v2 共识协议，2026-07-15 落地）
-- [ ] LX 扩展：世界模型预测纳入液环
+- [ ] **[v0.8] 反证轨（Evidence Graph）**：Evidence 分 support / contradiction，一致增稳、冲突降稳，驱动 memory stability score（不再"一致即真"）
+- [ ] **[v0.8] 显式时间动力学**：`M(t+1) = M(t) + reinforcement − decay − contradiction_penalty`，让记忆成为"过程"而非"对象"（真正的液态循环）
+- [ ] **[v0.8] 三实验**：E2 错误记忆恢复（核心）→ E3 多 agent 冲突（mesh 价值）→ E1 长期漂移（压力测试）
 - [ ] LoCoMo / LongMemEval 基准对比
 - [ ] 边缘端部署优化（<50KB）
 
+> 零向量是液环的硬约束：一致性判定永不引入 embedding / 相似度（这正是液环要替代的方案）。
+
 ---
 
 ## 许可证

{liquid_loop-0.7.0 → liquid_loop-0.7.1}/liquid_loop/__init__.py

@@ -1,5 +1,5 @@
-"""Liquid Loop — Workspace Cognitive Runtime v0.7.0 (CPE-fused, SEAL dual-opt, dual-track multi-agent, MESH v2 integration)"""
-__version__ = "0.7.0"
+"""Liquid Loop — Workspace Cognitive Runtime v0.7.1 (CPE-fused, SEAL dual-opt, dual-track multi-agent, MESH v2 integration)"""
+__version__ = "0.7.1"
 
 from .workspace import (
     WorkspaceState, Anchor, Evidence, Memory, Conflict,

{liquid_loop-0.7.0 → liquid_loop-0.7.1}/liquid_loop/workspace.py

@@ -248,11 +248,17 @@ class WorkspaceState:
         self.updated_at = now()
         return a
 
-    def add_evidence(self, anchor, content: str, quality: float = 1.0, agent_id: str = "") -> Optional[Evidence]:
+    def add_evidence(self, anchor, content: str, quality: float = 1.0, agent_id: str = "",
+                     dedup: bool = False) -> Optional[Evidence]:
         """向指定锚点添加一条证据。
 
         anchor 参数兼容：锚点名称(str) | 锚点ID(str) | Anchor对象
         agent_id：多智能体共用写入者标识（缺省空=legacy/单实例）
+        dedup：幂等去重开关（默认 False）。
+            - False（默认，核心语义）：同内容可重复写入——"≥2 条一致证据自动结晶"依赖此行为
+              （README quickstart / 双轨成核 / 理论定义）。
+            - True（mesh/API 层显式启用）：同锚点+同内容+同 agent 已存在则复用，防网络重试/高频喂入膨胀。
+              幂等应由 mesh/API 层按需开启，核心模型默认不吞掉"重复观察"这一结晶信号。
         """
         target = None
         if isinstance(anchor, Anchor):
@@ -264,10 +270,11 @@ class WorkspaceState:
                 target = next((a for a in self.anchors if a.id == anchor), None)
         if not target:
             return None
-        # 幂等去重：同锚点+同内容+同 agent 已存在则复用，防止重复证据膨胀（mesh 重试/高频喂入）
-        for ex in self.evidences:
-            if ex.anchor_id == target.id and ex.content == content and ex.agent_id == agent_id:
-                return ex
+        # 幂等去重（仅当 dedup=True）：同锚点+同内容+同 agent 已存在则复用
+        if dedup:
+            for ex in self.evidences:
+                if ex.anchor_id == target.id and ex.content == content and ex.agent_id == agent_id:
+                    return ex
         e = Evidence(
             id=uid(), anchor_id=target.id, content=content,
             quality=quality, timestamp=now(), agent_id=agent_id,

{liquid_loop-0.7.0 → liquid_loop-0.7.1}/liquid_loop.egg-info/PKG-INFO

@@ -1,6 +1,6 @@
 Metadata-Version: 2.4
 Name: liquid-loop
-Version: 0.7.0
+Version: 0.7.1
 Summary: Self-Organizing Cognitive Memory for AI Agents — Liquid Loop theory implementation
 Author: fishbook0001
 Maintainer: fishbook0001
@@ -72,7 +72,7 @@ Dynamic: license-file
 | **Anchor** 锚点 | 晶种 | 认知关注点，有稳定性值 s ∈ [0,1] |
 | **Evidence** 证据 | 附着粒子 | 锚点下的具体观察，权重指数衰减 w×0.95ᵗ |
 | **Memory** 结晶 | 结晶体 | 2+ 条一致 Evidence 自动凝聚，有置信度 c |
-| **Entropy** 熵值 | 流体无序度 | 八维加权（锚点漂移 / 冲突密度 / 碎片 / 活跃间隔 / 价值衰减 / 锚定强度 / CPE 三维） |
+| **Entropy** 熵值 (LEI) | 流体无序度 | 八维加权（锚点漂移 / 冲突密度 / 碎片 / 活跃间隔 / 价值衰减 / 锚定强度 / CPE 三维） |
 
 **状态判定：**
 ```
@@ -81,6 +81,12 @@ YELLOW (0.3 ≤ entropy < 0.6) — 需关注
 RED    (entropy ≥ 0.6)  — 需清理
 ```
 
+> **关于 "Entropy" 的语义澄清 — Liquid Entropy Index (LEI)**
+>
+> 本项目中的 `entropy` 是 **Liquid Entropy Index (LEI): a system-stability deviation metric, inspired by entropy but NOT equivalent to thermodynamic entropy.**
+> 它不是物理熵 `S = -k Σ pᵢ log pᵢ`，而是对**系统状态偏离稳定流形程度**的综合度量——由八个可解释分量人工加权而成（锚点漂移 / 冲突密度 / 证据碎片 / 活跃间隔 / 价值衰减 / 锚定强度 + CPE 三维：回顾性衰退 / 策略漂移 / 泛化崩塌）。
+> 代码层函数名保留 `calculate()`（历史连续性）；文档 / 论文层一律以 **LEI** 指称，避免与热力学熵混淆。
+
 ---
 
 ## 快速开始
@@ -93,7 +99,7 @@ pip install liquid-loop
 
 ### 3 分钟上手
 ```python
-from liquid_loop import WorkspaceState, load, save, calculate_entropy
+from liquid_loop import WorkspaceState, load, save, calculate
 
 # 1. 创建/加载工作区
 state = WorkspaceState()  # 或 load(Path("."))
@@ -111,7 +117,7 @@ for m in state.memories:
     print(f"结晶: {m.content[:50]}... (置信度={m.confidence:.2f})")
 
 # 5. 监控认知健康
-entropy = calculate_entropy(state)
+entropy = calculate(state)
 print(f"熵值: {entropy:.4f} → {'🟢GREEN' if entropy < 0.3 else '🟡YELLOW' if entropy < 0.6 else '🔴RED'}")
 
 # 6. 持久化
@@ -167,6 +173,26 @@ print(health["CCI"], health["consensus_crystals"])
 
 ---
 
+## 定位：Self-Regulating Persistent Memory Dynamics
+
+液环的本质不是"AI 意识"，而是一套 **agent 系统的自调节持久记忆动力学（Self-Regulating Persistent Memory Dynamics for Agent Systems）**。`AuditChain + LEI(Entropy) + Memory decay` 三者组合形成闭环，使记忆从"外部管理"转向"内部自组织"：
+
+```
+   Input Evidence
+        ↓
+   Memory State  ←──────────────┐
+        ↓                        │
+   LEI Evaluation (八维熵)        │
+        ↓                        │
+   Decay / Reinforcement ────────┘
+        ↓
+   AuditChain (SHA256 链式追溯)
+```
+
+这比单独的 memory store 更接近一个可被实验检验的**动态系统**：输入驱动状态、熵评估稳定性、衰减/强化回流状态、审计链保证来源可信。
+
+---
+
 ## 架构对比
 
 ```
@@ -213,7 +239,7 @@ liquid-loop/
 │   ├── __init__.py      # 公共 API 导出
 │   ├── workspace.py     # 核心数据模型 + AuditChain + auto_classify + decay
 │   ├── storage.py       # JSON 持久化 + 审计链写入
-│   ├── entropy.py       # 四维熵值计算
+│   ├── entropy.py       # 八维熵值计算（含 CPE 三维）
 │   ├── mesh/            # MESH v2 多智能体共识协议集成（validate_evidence / compute_cci / ...）
 │   └── cli.py           # Click CLI (11 命令)
 ├── examples/
@@ -240,12 +266,15 @@ pytest -v
 
 ## 路线图
 
-- [ ] 语义一致性结晶（嵌入相似度替代精确匹配）
 - [x] 多 Agent 液环耦合（`liquid_loop.mesh` v2 共识协议，2026-07-15 落地）
-- [ ] LX 扩展：世界模型预测纳入液环
+- [ ] **[v0.8] 反证轨（Evidence Graph）**：Evidence 分 support / contradiction，一致增稳、冲突降稳，驱动 memory stability score（不再"一致即真"）
+- [ ] **[v0.8] 显式时间动力学**：`M(t+1) = M(t) + reinforcement − decay − contradiction_penalty`，让记忆成为"过程"而非"对象"（真正的液态循环）
+- [ ] **[v0.8] 三实验**：E2 错误记忆恢复（核心）→ E3 多 agent 冲突（mesh 价值）→ E1 长期漂移（压力测试）
 - [ ] LoCoMo / LongMemEval 基准对比
 - [ ] 边缘端部署优化（<50KB）
 
+> 零向量是液环的硬约束：一致性判定永不引入 embedding / 相似度（这正是液环要替代的方案）。
+
 ---
 
 ## 许可证

{liquid_loop-0.7.0 → liquid_loop-0.7.1}/pyproject.toml

@@ -4,7 +4,7 @@ build-backend = "setuptools.build_meta"
 
 [project]
 name = "liquid-loop"
-version = "0.7.0"
+version = "0.7.1"
 description = "Self-Organizing Cognitive Memory for AI Agents — Liquid Loop theory implementation"
 readme = "README.md"
 license = {text = "MIT"}