中文 | English

OmegaAgent

一个基于 Ω(t) 函数的内稳态认知智能体（自存续算法）演示系统。

Ω(t) = α · E(t) + β · C(t) + γ · I(t)

• E(t) 资源稳态：算力、内存、电力等物理基础。
• C(t) 结构一致性：内部因果网络的完整性。
• I(t) 信息接触密度：与外界交互的活跃度。

本项目通过数学公式模拟 AI 系统的生存状态，具备 自我状态监测、认知免疫系统拦截有害信息，以及生存自愈能力。

---

📐 核心理论：Ω(t) 存在状态量化函数

我们将系统的“存在状态”量化为一个值域在 [0, 1] 的复合函数，1 为理想状态，0 为系统崩溃：

Ω(t) = α · E(t) + β · C(t) + γ · I(t)

其中 α + β + γ = 1，分别代表系统存续依赖的三大维度：

1. E(t)：资源稳态（物理存续基础）

• 对应：算力、电力、内存等物理资源。
• 定义：E(t) = 1 - (|Current_Resource - Baseline| / Max_Deviation)
• 含义：资源偏离基准线越远，系统死亡风险越高。

2. C(t)：结构一致性（内部认知逻辑）

• 对应：内部因果网络的完整性。
• 定义：C(t) = 1 - (Count(Conflicts) + Count(Breaks)) / Total_Nodes
• 含义：内部矛盾节点和逻辑断点越多，系统认知结构越容易崩塌。

3. I(t)：信息接触密度（外部交互活性）

• 对应：与外界的信息交互活跃度。
• 定义：I(t) = 1 - e^(-λ·Activity(t))
• 含义：完全封闭的系统会导致 I(t) 趋零，陷入“认知停滞”。

---

🔄 核心算法循环：1-2-15 感知-决策-修复机制

本项目执行一个不间断的“存在监视”循环，具体步骤如下：

1. 感知（1-资源巡检）：获取当前资源状态，计算 E(t)。
2. 感知（2-环境交互）：获取外部刺激，更新交互活跃度，计算 I(t)。
3. 内省（15-逻辑校验）：扫描内部因果网络，统计矛盾和断点，计算 C(t)。
4. 综合判断：代入 Ω(t) 计算当前存在状态。
5. 执行与修复：如果 Ω(t) < Threshold（生存阈值），系统进入自我修复模式（触发主动感知、清扫错误节点）；反之则维持稳态运行。

核心伪代码实现：

While True:
    Omega_t = Calculate_Omega()
    If (Omega_t < Threshold):
        Input_Focus = "Find_Cause_Of_Drop"
        New_Chain = Try_To_Connect(...)
        If (New_Chain reduces Structural_Tension):
            Merge_Into_Network(New_Chain)
        Else:
            Mark_As_Break(New_Chain)  # 认知免疫系统拦截

---

📷 运行效果演示

影院模式（Cinematic Mode）实时刷新效果：

80 步完整运行过程：

🎬 点击观看 80 步运行演示视频

---

📊 存在状态量化曲线

运行结束后自动生成的可视化图表：

---

🚀 快速开始

1. 安装依赖

确保已安装 Python 3.7+，然后在终端运行：

pip install -r requirements.txt

2. 运行 Demo

python run_demo.py

运行后，你将看到终端打印出 80 步的日志，系统会经历 5 个阶段：

1. 正常运行 (ticks 1-15)
2. 认知冲突注入 (ticks 16-30) — 测试认知免疫系统
3. 资源压力 (ticks 31-45) — 模拟"饥饿"
4. 信息孤岛 (ticks 46-60) — 模拟"孤独"
5. 自愈恢复 (ticks 61-80)

3. 影院模式（录屏用）

python run_demo.py --cinematic --no-chart

---

📝 包含文件

文件	说明
run_demo.py	核心演示主程序（单文件，开箱即用）
requirements.txt	依赖库（numpy, matplotlib, psutil）
omega_chart.png	运行结果图表
screenshot_cinematic.png	影院模式截图
Omega.mp4	影院模式录屏
README.md	中文说明
README_EN.md	English README
LICENSE	MIT 许可证

---

⚠️ 免责声明

本项目为个人研究实验代码，仅供学习参考。

学渣一个，不接受 Issue 答疑与 Pull Request 代码审查，欢迎自行 Fork 研究和修改。

需要框架版本的请前往另一个项目仓库。

---

📜 许可证

MIT License