liquid-loop 0.8.0__tar.gz → 0.9.0__tar.gz

{liquid_loop-0.8.0 → liquid_loop-0.9.0}/PKG-INFO

@@ -1,6 +1,6 @@
 Metadata-Version: 2.4
 Name: liquid-loop
-Version: 0.8.0
+Version: 0.9.0
 Summary: Self-Organizing Cognitive Memory for AI Agents — Liquid Loop theory implementation
 Author: fishbook0001
 Maintainer: fishbook0001
@@ -39,6 +39,8 @@ Dynamic: license-file
 
 # Liquid Loop
 
+![Liquid Loop Hero Banner](docs/assets/06-hero-banner.jpg)
+
 > **Self-Organizing Cognitive Memory for AI Agents** — Zero LLM dependency, pure Python implementation of the Liquid Loop theory.
 
 [![PyPI](https://img.shields.io/pypi/v/liquid-loop.svg)](https://pypi.org/project/liquid-loop/)
@@ -225,9 +227,17 @@ print(health["CCI"], health["consensus_crystals"])
 
 ---
 
-## 定位：Self-Regulating Persistent Memory Dynamics
+## 定位：Self-Regulating Memory State Evolution
+
+> **North-Star 公理（一切代码与论文围绕它校验）：**
+>
+> **Liquid Loop is not a memory storage mechanism; it is a self-regulating memory state evolution mechanism.**
+>
+> （液环不是一种记忆存储机制，而是一种自调节的记忆状态演化机制。）
+
+液环的本质不是"AI 意识 / 认知层"，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 + Contradiction Track` 组合成闭环，使记忆从"外部管理"转向"内部自组织"。
 
-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"：
+**边界（防止退化为"智能记忆管理器"）**：记忆状态本身是一个**演化对象**，而非被管理的数据对象。市场已有的"记忆评分 / 自动删除 / 权重调整"范式把记忆当被管理的数据——液环要保护的是 **memory homeostasis（记忆稳态）**：记忆在变化环境中经 输入→吸收→凝聚→稳定→衰减→重构，自身维持一致性，而非被外部规则调度。
 
 ```
    Input Evidence
@@ -322,7 +332,8 @@ pytest -v
 - [x] **[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"）
 - [x] **[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）
 - [x] **[v0.8] 三实验全 PASS**：E2 错误记忆恢复 → E3 多 agent 冲突 → E1 长期漂移（见上节）
-- [ ] **[v0.9 优化项]**：`_detect_conflicts` 由每证据 O(g²) 两两扫描改为增量/采样（大规模高频写入性能，非正确性）
+- [x] **[v0.9] 冲突检测 O(g²)→O(d²)**：`_detect_conflicts` 按 content 去重后只对 distinct 内容求两两重叠（d≤g），overlap_cache 复用；语义更纯净（度量不同论点分歧），大规模高频写入性能提升（非正确性变更）
+- [x] **[v0.9] 液态算法正式落地**：时间动力学 / 反证轨 / 双轨成核在 v0.8 已实现并经 E1/E2/E3 三实验背书，v0.9 作为稳定版正式发布（README 顶部 Hero Banner 已上线）
 - [ ] LoCoMo / LongMemEval 基准对比
 - [ ] 边缘端部署优化（<50KB）
 

{liquid_loop-0.8.0 → liquid_loop-0.9.0}/README.md

@@ -1,5 +1,7 @@
 # Liquid Loop
 
+![Liquid Loop Hero Banner](docs/assets/06-hero-banner.jpg)
+
 > **Self-Organizing Cognitive Memory for AI Agents** — Zero LLM dependency, pure Python implementation of the Liquid Loop theory.
 
 [![PyPI](https://img.shields.io/pypi/v/liquid-loop.svg)](https://pypi.org/project/liquid-loop/)
@@ -186,9 +188,17 @@ print(health["CCI"], health["consensus_crystals"])
 
 ---
 
-## 定位：Self-Regulating Persistent Memory Dynamics
+## 定位：Self-Regulating Memory State Evolution
+
+> **North-Star 公理（一切代码与论文围绕它校验）：**
+>
+> **Liquid Loop is not a memory storage mechanism; it is a self-regulating memory state evolution mechanism.**
+>
+> （液环不是一种记忆存储机制，而是一种自调节的记忆状态演化机制。）
+
+液环的本质不是"AI 意识 / 认知层"，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 + Contradiction Track` 组合成闭环，使记忆从"外部管理"转向"内部自组织"。
 
-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"：
+**边界（防止退化为"智能记忆管理器"）**：记忆状态本身是一个**演化对象**，而非被管理的数据对象。市场已有的"记忆评分 / 自动删除 / 权重调整"范式把记忆当被管理的数据——液环要保护的是 **memory homeostasis（记忆稳态）**：记忆在变化环境中经 输入→吸收→凝聚→稳定→衰减→重构，自身维持一致性，而非被外部规则调度。
 
 ```
    Input Evidence
@@ -283,7 +293,8 @@ pytest -v
 - [x] **[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"）
 - [x] **[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）
 - [x] **[v0.8] 三实验全 PASS**：E2 错误记忆恢复 → E3 多 agent 冲突 → E1 长期漂移（见上节）
-- [ ] **[v0.9 优化项]**：`_detect_conflicts` 由每证据 O(g²) 两两扫描改为增量/采样（大规模高频写入性能，非正确性）
+- [x] **[v0.9] 冲突检测 O(g²)→O(d²)**：`_detect_conflicts` 按 content 去重后只对 distinct 内容求两两重叠（d≤g），overlap_cache 复用；语义更纯净（度量不同论点分歧），大规模高频写入性能提升（非正确性变更）
+- [x] **[v0.9] 液态算法正式落地**：时间动力学 / 反证轨 / 双轨成核在 v0.8 已实现并经 E1/E2/E3 三实验背书，v0.9 作为稳定版正式发布（README 顶部 Hero Banner 已上线）
 - [ ] LoCoMo / LongMemEval 基准对比
 - [ ] 边缘端部署优化（<50KB）
 

{liquid_loop-0.8.0 → liquid_loop-0.9.0}/liquid_loop/__init__.py

@@ -1,5 +1,5 @@
-"""Liquid Loop — Workspace Cognitive Runtime v0.8.0 (反证轨 + 时间动力学, CPE-fused, SEAL dual-opt, dual-track multi-agent, MESH v2 integration)"""
-__version__ = "0.8.0"
+"""Liquid Loop — Workspace Cognitive Runtime v0.9.0 (反证轨 + 时间动力学, CPE-fused, SEAL dual-opt, dual-track multi-agent, MESH v2 integration)"""
+__version__ = "0.9.0"
 
 from .workspace import (
     WorkspaceState, Anchor, Evidence, Memory, Conflict,

{liquid_loop-0.8.0 → liquid_loop-0.9.0}/liquid_loop/workspace.py

@@ -397,7 +397,11 @@ class WorkspaceState:
         阈值从环境变量 LIQUID_CONFLICT_THRESHOLD 读取（默认 0.2）。
         复用 CPE 泛化防线思路：证据间平均关键词重叠 < threshold 且 >= 3 条 -> 潜在冲突/漂移。
         保守处理：只标记'需人工确认'，不武断判相反（避免过度工程化误报）。
-        使用 overlap_cache 避免重复计算。
+
+        性能（v0.9）：原 O(g²) 全量成对扫描。相同 content 的两条证据重叠恒为 1.0，
+        对"内容分歧度"无信息量，故先按 content 去重为 distinct 集，只对 distinct 内容
+        求两两重叠 -> O(d²)（d = distinct content 数 ≤ g）。overlap_cache 复用。
+        语义更纯净：度量"不同论点间的分歧"，重复写入不再稀释冲突信号。
         """
         import os
         conflict_threshold = float(os.environ.get('LIQUID_CONFLICT_THRESHOLD', '0.2'))
@@ -405,11 +409,20 @@ class WorkspaceState:
         group = [e for e in self.evidences if e.anchor_id == anchor_id]
         if len(group) < 3:
             return
+        # ── O(g²) -> O(d²)：content 去重，相同 content 对的重叠恒为 1.0 不参与分歧度量 ──
+        distinct: list = []
+        seen: set = set()
+        for e in group:
+            if e.content and e.content not in seen:
+                seen.add(e.content)
+                distinct.append(e.content)
+        n = len(distinct)
+        if n < 2:
+            return
         overlaps = []
-        for i in range(len(group)):
-            for j in range(i + 1, len(group)):
-                if group[i].content and group[j].content:
-                    overlaps.append(_keyword_overlap(group[i].content, group[j].content, self.overlap_cache))
+        for i in range(n):
+            for j in range(i + 1, n):
+                overlaps.append(_keyword_overlap(distinct[i], distinct[j], self.overlap_cache))
         if not overlaps:
             return
         avg = sum(overlaps) / len(overlaps)

{liquid_loop-0.8.0 → liquid_loop-0.9.0}/liquid_loop.egg-info/PKG-INFO

@@ -1,6 +1,6 @@
 Metadata-Version: 2.4
 Name: liquid-loop
-Version: 0.8.0
+Version: 0.9.0
 Summary: Self-Organizing Cognitive Memory for AI Agents — Liquid Loop theory implementation
 Author: fishbook0001
 Maintainer: fishbook0001
@@ -39,6 +39,8 @@ Dynamic: license-file
 
 # Liquid Loop
 
+![Liquid Loop Hero Banner](docs/assets/06-hero-banner.jpg)
+
 > **Self-Organizing Cognitive Memory for AI Agents** — Zero LLM dependency, pure Python implementation of the Liquid Loop theory.
 
 [![PyPI](https://img.shields.io/pypi/v/liquid-loop.svg)](https://pypi.org/project/liquid-loop/)
@@ -225,9 +227,17 @@ print(health["CCI"], health["consensus_crystals"])
 
 ---
 
-## 定位：Self-Regulating Persistent Memory Dynamics
+## 定位：Self-Regulating Memory State Evolution
+
+> **North-Star 公理（一切代码与论文围绕它校验）：**
+>
+> **Liquid Loop is not a memory storage mechanism; it is a self-regulating memory state evolution mechanism.**
+>
+> （液环不是一种记忆存储机制，而是一种自调节的记忆状态演化机制。）
+
+液环的本质不是"AI 意识 / 认知层"，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 + Contradiction Track` 组合成闭环，使记忆从"外部管理"转向"内部自组织"。
 
-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"：
+**边界（防止退化为"智能记忆管理器"）**：记忆状态本身是一个**演化对象**，而非被管理的数据对象。市场已有的"记忆评分 / 自动删除 / 权重调整"范式把记忆当被管理的数据——液环要保护的是 **memory homeostasis（记忆稳态）**：记忆在变化环境中经 输入→吸收→凝聚→稳定→衰减→重构，自身维持一致性，而非被外部规则调度。
 
 ```
    Input Evidence
@@ -322,7 +332,8 @@ pytest -v
 - [x] **[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"）
 - [x] **[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）
 - [x] **[v0.8] 三实验全 PASS**：E2 错误记忆恢复 → E3 多 agent 冲突 → E1 长期漂移（见上节）
-- [ ] **[v0.9 优化项]**：`_detect_conflicts` 由每证据 O(g²) 两两扫描改为增量/采样（大规模高频写入性能，非正确性）
+- [x] **[v0.9] 冲突检测 O(g²)→O(d²)**：`_detect_conflicts` 按 content 去重后只对 distinct 内容求两两重叠（d≤g），overlap_cache 复用；语义更纯净（度量不同论点分歧），大规模高频写入性能提升（非正确性变更）
+- [x] **[v0.9] 液态算法正式落地**：时间动力学 / 反证轨 / 双轨成核在 v0.8 已实现并经 E1/E2/E3 三实验背书，v0.9 作为稳定版正式发布（README 顶部 Hero Banner 已上线）
 - [ ] LoCoMo / LongMemEval 基准对比
 - [ ] 边缘端部署优化（<50KB）
 

{liquid_loop-0.8.0 → liquid_loop-0.9.0}/pyproject.toml

@@ -4,7 +4,7 @@ build-backend = "setuptools.build_meta"
 
 [project]
 name = "liquid-loop"
-version = "0.8.0"
+version = "0.9.0"
 description = "Self-Organizing Cognitive Memory for AI Agents — Liquid Loop theory implementation"
 readme = "README.md"
 license = {text = "MIT"}