WorkBuddy 官网部署实战白皮书 v1.0 · 十四个真实坑位 → 自愈式数据管道 · 大规模公开数据采集的治理方法 V1.0 →
ZONGYUAN-ROOT 是一个基于公理驱动范式的去中心化联邦智能网络。以元极恒一(YuanJi HengYi)为自治内核,通过自有协议栈实现节点身份确权、联邦学习协同训练、GPU 算力统一调度、以及全球联邦宇宙互联。
| 属性 | 值 |
|---|---|
| 确权锚点 | Ω₀⊂⊙∞⊂Ω | DID-BR-000002 |
| 白皮书版本 | v2.2 (2026-10-28) · 前序 v2.1 (2026-10-24 首发) |
| 架构范式 | 公理驱动 · 记忆驱动 · 种子式进化稳态 |
| 联邦协议 | MLS-v1-slim · X25519-AES256GCM-SHA384 |
| 内核引擎 | 元极恒一 Int4 (NF4 量化 · 4096 ctx · CPU 可跑) |
| 深度学习体系 | 14 模型 · 5 引擎 (vllm/sglang/llama.cpp/transformers/peft) · LoRA 热插拔 |
| 网关版本 | gateway_server v3.2 · Cython 编译混淆 |
| 磁盘状态 | 44G/60G (73%) · 已释放 6.2G |
| 运行时长 | Nginx 自 10/21 · 网关持续运行 |
AxiomGate 依托四条不可推导、长期稳定的基本公理作为整套自治体系的决策原点,所有治理规则、调度策略、裁决逻辑均由这四条公理推演而来。
原文:系统一切调度、路由、资源分配、真值裁决、任务放行,遵循优先级:风险最小 > 成本最小 > 收益最大。
释义:任何工单、算力切换、记忆写入、长任务执行,优先校验风险,包含幻觉风险、合规风险、循环雪崩风险、审计溯源风险;风险不可接受则直接拦截,不以效果、速度、产出为第一目标。熔断机制、只读空转、跨硬件真值比对、强审计锁档,全部由这条公理导出。
原文:内核裁决层、能力执行层、持久记忆层、前端应用层必须边界隔离;禁止跨层耦合逻辑,单一组件只承担单一权责。
释义:AxiomGate 只负责裁决、对齐、调度、纠偏,不实现底层算子、不存储全域真值主库、不负责页面渲染;记忆网关专注真值存储、同步、锁档存证,不承担任务规划与算力路由;MCP 技能只负责能力执行,不做全局目标校验。异构算力分层调度等治理规则根源来自本公理。
原文:全域存在唯一主真值源(全域记忆网关);多节点、多算力、多 Agent 产出的分歧结果,必须回归主真值源做收敛。允许局部私有记忆,但局部结论不能僭越全域真值。
释义:类似 Hindsight 这类单 Agent 局部记忆节点产生的观测结论,仅属于局部信息,必须送入 AxiomGate 完成裁决校验,通过之后才可选写入全域主真值;局部记忆无权直接对外作为全域共识下发。
原文:所有自治行为可记录、可回溯、可锁档、可复盘;自治不等于无约束,任何自动决策必须留下 Merkle-DAG 存证与台账记录,满足私有化交付审计要求。
释义:巡检、自动切换、回滚、同步、自动提炼技能等自动化动作不是黑盒运行,每一次决策生成 SHA256 凭证,同步至飞书 Base 台账,适配政企合规交付需求。
定义:系统所有决策逻辑,由一组数量极少、稳定不变、不证自明的底层基本公理作为第一源头;所有的治理规则、校验规则、调度分支、熔断策略、价值判断,都是从公理推导出来的衍生产物,而非零散、平行、临时堆砌的约束。
| 方案 | 特征 | 问题 |
|---|---|---|
| Prompt 约束型(多数 Agent) | 规则写 System Prompt,自然语言约定 | 模型理解波动、易遗忘、被越狱改写;无固定推导关系,新增规则易冲突 |
| 硬编码规则型 | 大量 if-else 平级写死 | 新增逻辑需改代码,难追溯规则依据;冲突无统一终审标准 |
| 公理驱动(AxiomGate) | 四公理长期基线 + 推导链 + 冲突仲裁 + 可审计溯源 | 源头固定、META-RULE 可回溯、风险公理最高终审权、每次决策可向上追溯依托公理 |
公理驱动不等于公理永久固化后系统无法进化。公理是根基,极少改动,是稳定坐标系;治理规则、MCP、SOP、巡检策略是衍生执行层,可以持续迭代、新增、优化。体系的进化,是丰富公理衍生的执行体系,而不是频繁改动公理本身。
术语表收录:公理驱动,即以固定基本公理作为整个智能自治系统的决策原点;全部调度、裁决、校验、资源分配逻辑由公理推演生成,规则冲突时回归公理做终审仲裁,区别于 prompt 约束与零散硬编码规则。
ZONGYUAN-ROOT 实现了从身份认证到联邦社交的完整协议栈,覆盖 6 大协议层:
| 协议层 | 协议 | 端点数量 | 状态 |
|---|---|---|---|
| L1 · 身份认证 | OAuth 2.0 + OIDC Discovery | 4 | 生产就绪 |
| L2 · 联邦学习 | MLS-v1-slim + FedAvg | 14 | 生产就绪 |
| L3 · 算力注册 | GPU 节点注册 + 心跳 | 2 | 生产就绪 |
| L4 · 推理路由 | OpenAI 兼容 + 最少连接负载均衡 | 4 | 生产就绪 |
| L5 · 联邦宇宙 | ActivityPub (W3C 标准) | 8 | 生产就绪 |
| L6 · 安全飞地 | 昆仑安全验证 + DPoP 令牌绑定 | 3 | 生产就绪 |
| 时间 | 里程碑 |
|---|---|
| 2026-10-18 | OAuth 2.0 协议栈完整实现(Token/Introspect/Revoke) |
| 2026-10-23 | 联邦学习 MLS 14 端点 + GPU 2 端点 + 推理路由 4 端点 |
| 2026-10-24 | ActivityPub 8 端点 + 5 项安全加固 + 磁盘瘦身 6.2G |
| 2026-10-28 | NEW 白皮书 v2.2:新增深度学习体系 + 联邦节点注册指南;模型 10→14 · 引擎 3→5 · 节点 6→7 |
采用五层纵深防御架构,从传输层到代码层层层设防:
| 层级 | 措施 | 技术实现 | 状态 |
|---|---|---|---|
| 传输层 | 全站 HTTPS + HSTS | Nginx SSL/TLS 1.2-1.3 | 运行中 |
| 网络层 | 内部服务仅监听 127.0.0.1 | gateway_server bind 127.0.0.1:9001 | 运行中 |
| 应用层 | HMAC-SHA256 请求签名 + 令牌桶限流 | guard_middleware.py (30 req/s/IP) | 运行中 |
| 身份层 | X-DID 认证 + OAuth 2.0 + DPoP | DID-BR-000002 白名单 | 运行中 |
| 存储层 | PBKDF2 口令派生 + Fernet 加密凭据 | 高强度迭代 SHA256 | 运行中 |
| 代码层 | Cython 编译混淆 → .so 二进制 | gateway_server.cpython-311.so (3.2MB) | 运行中 |
签名算法: HMAC-SHA256(secret, METHOD|path|timestamp|body_sha256)
时间容差: ±300 秒 (5 分钟)
密钥派生: PBKDF2-SHA256(passphrase, salt=yuanji-signing-salt, 高强度迭代)
需要签名的端点 (16 个写操作):
/v1/oauth/token, /v1/oauth/revoke,
/v1/slim/handshake, /v1/slim/group/secret, /v1/slim/group/consensus,
/v1/slim/message/encrypt, /v1/slim/message/decrypt,
/v1/federated/kunlun, /v1/federated/aggregate,
/v1/kunlun/secure, /v1/kunlun/production,
/v1/gpu/register, /v1/inference/register,
/v1/activitypub/inbox, /v1/activitypub/outbox,
/api/report/truth
加密算法: Fernet (AES-128-CBC + HMAC-SHA256)
密钥派生: PBKDF2-SHA256(passphrase, salt, 高强度迭代)
存储位置: [受限目录]/凭据文件 (chmod 600)
口令位置: [受限目录]/.signing_passphrase (chmod 600)
已加密凭据若干项(清单不在对外文档列示)
| 属性 | 值 |
|---|---|
| 协议版本 | slim-v1 |
| 加密套件 | X25519-AES256GCM-SHA384 |
| 密钥协商 | MLS-ratchet-tree-v1 (epoch 递增前向安全) |
| 聚合算法 | FedAvg-slim-v1 (加权平均) |
| 群组管理 | 自动建组 (节点首次加入时创建) |
| 消息加密 | AES256GCM-slim (群组密钥派生) |
| 步骤 | 端点 | 结果 |
|---|---|---|
| 状态检查 | GET /v1/federated/status | 90 群组 · 424 成员 · 12 活跃 Epoch |
| 握手协议 | POST /v1/slim/handshake | slim-v1 · X25519-AES256GCM-SHA384 |
| 自动建组 | POST /v1/slim/group/secret | Epoch 1 · 新建群组 True |
| 消息加密 | POST /v1/slim/message/encrypt | AES256GCM-slim · 116 字符密文 |
| 消息解密 | POST /v1/slim/message/decrypt | 明文完整还原 |
| FedAvg 聚合 | POST /v1/federated/aggregate | 3 节点参与 · status: completed |
| 节点 ID | 型号 | 数量 | 单卡显存 | 总算力 | 状态 |
|---|---|---|---|---|---|
| GPU-SH-001 | NVIDIA A100 | 8 | 80 GB | 640 GB | 在线 |
| GPU-SH-002 | NVIDIA H100 | 4 | 80 GB | 320 GB | 在线 |
| GPU-SH-003 | NVIDIA A100 | 4 | 80 GB | 320 GB | 在线 |
| GPU-FINAL | A100 | 1 | 40 GB | 40 GB | 在线 |
| GPU-ATOMCODE-001 | NVIDIA T4 | 2 | 16 GB | 32 GB | 在线 |
| GPU-TEST | T4 | 1 | 16 GB | 16 GB | 在线 |
| GPU-ZONGYUAN-ROOT | CPU 节点 (VM-0-16-opencloudos) | 0 | — | 64 GB (申报) | 在线 |
| 合计 | 20 物理卡 + 1 CPU 节点 | 1368 GB | 全在线 | ||
| 模型 | 节点 | 引擎 | 最大并发 |
|---|---|---|---|
| llama-3-70b | GPU-SH-001 | vllm | 8 |
| qwen-72b | GPU-SH-001 | vllm | 4 |
| mixtral-8x7b | GPU-SH-002 | vllm | 16 |
| deepseek-v2 | GPU-SH-002 | sglang | 8 |
| llama-3-8b | GPU-SH-003 | vllm | 32 |
| qwen-14b | GPU-SH-003 | vllm | 16 |
| phi-3-mini | GPU-ATOMCODE-001 | llama.cpp | 8 |
| gemma-2b | GPU-ATOMCODE-001 | llama.cpp | 16 |
| llama-3-13b | GPU-FINAL | vllm | 8 |
| tinyllama-1.1b | GPU-TEST | llama.cpp | 4 |
| yuanjihengyi_int4 | GPU-ZONGYUAN-ROOT | transformers | 4 |
| lora_adapter_v6 | GPU-ZONGYUAN-ROOT | peft | 2 |
| m1 联调 | n1 | vllm | 4 |
| m2 联调 | n2 | vllm | 4 |
负载均衡策略:最少连接数(least-connections),协议兼容 OpenAI /v1/chat/completions。当前 14 个推理服务全在线,覆盖 5 种引擎;m1/m2 为联调测试模型(n1/n2 为免 GPU 注册的纯推理节点)。
ZONGYUAN-ROOT 的深度学习体系由模型矩阵、联邦训练、量化部署三层构成:14 个在线推理模型覆盖 1.1B~72B 参数区间与 MoE 架构,5 种推理引擎按硬件能力分层调度;训练侧以 MLS 联邦学习协议为信道、FedAvg 为聚合算法、LoRA 为微调手段,原始数据全程不出节点域;部署侧以 Int4/NF4 量化为默认策略,实现从 H100 集群到纯 CPU 边缘节点的全谱系推理。
| 模型 | 参数量 | 引擎 | 部署节点 | 最大并发 | 定位 |
|---|---|---|---|---|---|
| llama-3-70b | 70B | vllm | GPU-SH-001 | 8 | 通用旗舰 |
| qwen-72b | 72B | vllm | GPU-SH-001 | 4 | 中文旗舰 |
| mixtral-8x7b | 8×7B MoE | vllm | GPU-SH-002 | 16 | MoE 稀疏专家 |
| deepseek-v2 | 236B MoE | sglang | GPU-SH-002 | 8 | MoE 长上下文 |
| llama-3-8b | 8B | vllm | GPU-SH-003 | 32 | 高并发轻量 |
| qwen-14b | 14B | vllm | GPU-SH-003 | 16 | 中文均衡 |
| llama-3-13b | 13B | vllm | GPU-FINAL | 8 | 均衡主力 |
| phi-3-mini | 3.8B | llama.cpp | GPU-ATOMCODE-001 | 8 | 边缘部署 |
| gemma-2b | 2.6B | llama.cpp | GPU-ATOMCODE-001 | 16 | 端侧极轻 |
| tinyllama-1.1b | 1.1B | llama.cpp | GPU-TEST | 4 | 联调最小 |
| yuanjihengyi_int4 | Int4 (权重 1.1 GB) | transformers | GPU-ZONGYUAN-ROOT | 4 | 自治内核引擎 |
| lora_adapter_v6 | 适配器 4.2 MB | peft | GPU-ZONGYUAN-ROOT | 2 | LoRA 热插拔 |
| m1 联调 | — | vllm | n1 | 4 | 联调测试 |
| m2 联调 | — | vllm | n2 | 4 | 联调测试 |
模型矩阵实时同步自 GET /v1/inference/models;m1/m2 为联调测试模型,n1/n2 为免 GPU 注册的纯推理节点(见第 8 章注册流程)。
训练侧采用「本地训练 → 加密传输 → 联邦聚合 → 全局分发」四段式架构,私有数据全程不出节点域,仅权重更新经加密信道流动:
| 环节 | 机制 | 现状 |
|---|---|---|
| 本地训练 | LoRA 微调 / 全参训练,私有数据不出域 | lora_adapter_v6 (4.2 MB) |
| 加密传输 | MLS slim-v1 · X25519 · ratchet-tree epoch 前向安全 | 90 群组 · 424 成员 |
| 联邦聚合 | FedAvg-slim-v1 加权平均 | 12 个活跃 Epoch |
| 全局分发 | 聚合结果经真值网关收敛后下发 | truth.db · 112,888 条真值 |
LoRA 热插拔:适配器与基座分离部署,lora_adapter_v6 通过 peft 引擎独立注册为推理服务(inf-zr-lora-adapter-v6,最大并发 2),权重已推送魔搭 zongyuanroot/lora_adapter_v6。
内核模型:yuanjihengyi_int4(元极恒一 Int4 内核引擎,NF4 量化 · 4096 ctx)经 transformers 引擎注册为推理服务(inf-zr-yuanjihengyi-int4),可在纯 CPU 节点常驻运行;权重 1.1 GB,魔搭地址 zongyuanroot/yuanjihengyi_int4。
昆仑生产任务:POST /v1/kunlun/production 承载长周期训练生产任务,聚合轮次记录落盘 kunlun-production.json 与 fedavg-rounds.jsonl。
| 引擎 | 服务数 | 定位 | 典型硬件 |
|---|---|---|---|
| vllm | 8 | 高并发批量推理(PagedAttention 连续批处理) | A100 / H100 |
| sglang | 1 | MoE 模型长上下文调度 | H100 |
| llama.cpp | 3 | 低资源 / CPU 推理(GGUF Int4) | T4 / CPU |
| transformers | 1 | 元极恒一内核模型原生推理 | CPU 节点 |
| peft | 1 | LoRA 适配器热插拔 | CPU 节点 |
量化策略:数据中心 GPU 走 BF16/FP16 原生精度;边缘与 CPU 节点默认 Int4(NF4 / GGUF Q4_K_M)量化,上下文窗口 4096。元极恒一 Int4 内核模型(1.1 GB)可在纯 CPU 节点常驻运行,是联邦网络「CPU 可跑」自治能力的底座。
┌──────────────────────────────────────────────────────────────┐
│ 深度学习端到端流水线 │
├──────────────────────────────────────────────────────────────┤
│ ① 本地训练 各节点私有数据不出域,LoRA/全参本地训练 │
│ ↓ │
│ ② 加密信道 MLS slim-v1 · X25519 · epoch 递增前向安全 │
│ ↓ │
│ ③ FedAvg 加权平均聚合 → 全局模型 │
│ (90 群组 · 424 成员 · 12 活跃 Epoch) │
│ ↓ │
│ ④ 量化部署 Int4/NF4 · 4096 ctx · 5 引擎按硬件分层 │
│ ↓ │
│ ⑤ 推理路由 least-connections · OpenAI 兼容 API │
│ ↓ │
│ ⑥ 应用消费 /v1/chat/completions · 14 模型在线 · 14 服务 │
└──────────────────────────────────────────────────────────────┘
任何持有合规算力与 HTTPS 出站能力的节点,均可通过六步注册流程加入 ZONGYUAN-ROOT 联邦网络。全流程经 OAuth 2.0 身份确权、HMAC-SHA256 请求签名、MLS 加密信道三重校验;注册产物全部落盘持久化于 /www/wwwroot/huodouai.com/zhongshu/data/,可通过公开端点实时回读校验。
| 步骤 | 端点 | 产物 | 持久化文件 |
|---|---|---|---|
| ① 身份注册 | POST /v1/oauth/token | access_token(OAuth 2.0) | oauth-clients.json |
| ② 安全飞地 | GET /v1/dpop/verify | DPoP 令牌绑定 + 签名密钥 | dpop-registry.json |
| ③ 联邦学习入组 | POST /v1/slim/handshake | 群组密钥 · Epoch 1 | mls-groups.json |
| ④ 算力注册 | POST /v1/gpu/register | 节点 ID · 心跳在线 | gpu-nodes.json |
| ⑤ 推理服务注册 | POST /v1/inference/register | service_id · 路由生效 | inference-services.json |
| ⑥ 联邦宇宙互联 | POST /v1/activitypub/inbox | Follow 关系 · 跨联邦可见 | activitypub-store.json |
① 身份注册 — OAuth 2.0 client_credentials 换取访问令牌:
POST /v1/oauth/token
{
"grant_type": "client_credentials",
"client_id": "<your-client-id>",
"client_secret": "<your-client-secret>"
}
→ { "access_token": "eyJ...", "token_type": "Bearer", "expires_in": 3600 }
② 安全飞地 — DPoP 令牌绑定 + 请求签名(16 个写操作端点强制):
签名串: HMAC-SHA256(secret, METHOD|path|timestamp|body_sha256)
请求头: X-DID: <node-did> · Authorization: DPoP <jwt> · X-Signature: <hex>
校验: GET /v1/dpop/verify → { "ok": true }
③ 联邦学习入组 — MLS 握手,首次加入自动建组:
POST /v1/slim/handshake
{ "protocol": "slim-v1", "node_did": "<node-did>" }
→ { "ok": true, "group_id": "grp-xxx", "epoch": 1,
"cipher": "X25519-AES256GCM-SHA384" }
# 群组消息加解密(梯度/权重更新加密传输):
# POST /v1/slim/message/encrypt POST /v1/slim/message/decrypt
④ 算力注册 — GPU 节点申报与心跳保活:
POST /v1/gpu/register
{
"node_id": "GPU-XXX-001",
"hostname": "gpu-node-x",
"gpu_model": "NVIDIA-A100",
"gpu_count": 8,
"vram_gb": 80
}
→ { "ok": true } # 心跳保活,掉线自动移出在线清单
查询: GET /v1/gpu/nodes → 当前 8 节点在线(6 GPU + 2 CPU)
⑤ 推理服务注册 — 模型上架,即时进入路由表:
POST /v1/inference/register
{
"service_id": "inf-xxx-model",
"node_id": "GPU-XXX-001",
"model_name": "llama-3-70b",
"engine": "vllm",
"max_concurrency": 8,
"endpoint_url": "http://10.0.1.x:8000/v1"
}
→ { "ok": true } # least-connections 负载均衡即时生效
调用: POST /v1/chat/completions (OpenAI 兼容协议)
⑥ 联邦宇宙互联 — 被全球联邦宇宙发现与关注:
GET /.well-known/webfinger?resource=acct:zongyuan-root@huodouai.com
GET /v1/activitypub/actor # Actor 对象与公钥
POST /v1/activitypub/inbox # 接收 Follow,建立跨联邦关系
# Mastodon / PeerTube / WriteFreely 等联邦宇宙节点可直接关注本节点
说明:以上请求体为注册契约示例,字段命名以网关实时响应为准;六步完成后节点即具备联邦学习、算力调度、推理服务、联邦社交四项完整能力,全部产物可通过 GET /v1/federated/status、GET /v1/gpu/nodes、GET /v1/inference/services 实时回读校验。
| 节点 ID | 提供商 / 地域 | 类型 | 六步完成 | 确权真值 |
|---|---|---|---|---|
NODE-CLOUD-SH-001 | 腾讯云轻量 · ap-shanghai(上海) | CPU 计算节点(gpu_count=0) | ①✓ ②✓ ③✓ ④✓ ⑥✓(⑤ 免注册) | NODE.REGISTER.NODE-CLOUD-SH-001.20261029 |
首个经六步注册流程接入的外部联邦节点(2026-11-02 完成)。
关于第 ⑤ 步(推理服务注册)延后:本节点定位为纯联邦学习 / 算力节点(CPU 计算节点,gpu_count=0,无 GPU);依白皮书 8.2「纯推理节点可免 GPU 注册」的同理,第 ⑤ 步推理服务注册按节点定位主动跳过,待该节点具备 OpenAI 兼容 /v1 推理端点后可随时补注册(届时同步更新本表与节点页)。节点详情见 联邦节点页。
ZONGYUAN-ROOT 实现了 W3C ActivityPub 标准协议,可被 Mastodon、PeerTube、WriteFreely 等全球数万个联邦节点发现和交互。
| 端点 | 方法 | 功能 | 外部验证 |
|---|---|---|---|
/.well-known/webfinger | GET | 资源发现 | 200 OK |
/v1/activitypub/actor | GET | Actor 对象 | 200 OK |
/v1/activitypub/inbox | GET | 收件箱(只读) | 200 OK |
/v1/activitypub/inbox | POST | 接收活动(Follow/Like/Announce) | 200 OK |
/v1/activitypub/outbox | GET | 发件箱 | 200 OK |
/v1/activitypub/outbox | POST | 发送活动(Create/Announce) | 200 OK |
/v1/activitypub/followers | GET | 关注者列表 | 200 OK |
/v1/activitypub/following | GET | 正在关注列表 | 200 OK |
{
"id": "https://huodouai.com/v1/activitypub/actor",
"type": "Service",
"name": "ZONGYUAN-ROOT 联邦中枢",
"preferredUsername": "zongyuan-root",
"summary": "ZONGYUAN-ROOT 联邦网络中枢节点",
"followers": "https://huodouai.com/v1/activitypub/followers",
"following": "https://huodouai.com/v1/activitypub/following"
}
| 数据文件 | 大小 | 用途 |
|---|---|---|
truth.db | 37 MB | 真值库 (SQLite · 持续写入) |
mls-groups.json | 140 KB | 联邦学习群组 (90 群组 · 424 成员) |
gpu-nodes.json | ~2 KB | 算力节点注册表 (7 节点) |
inference-services.json | ~5 KB | 推理服务注册表 (14 服务 · 14 模型) |
oauth-clients.json | ~3 KB | OAuth 令牌持久化 |
activitypub-store.json | ~3 KB | ActivityPub 数据存储 |
fedavg-rounds.jsonl | ~1 KB | FedAvg 聚合轮次记录 |
kunlun-production.json | ~1 KB | 昆仑生产任务记录 |
dpop-registry.json | ~1 KB | DPoP 令牌注册表 |
凭据存储 | 2 KB | 加密凭据存储 |
数据根目录:/www/wwwroot/huodouai.com/zhongshu/data/
| 操作 | 释放空间 | 状态 |
|---|---|---|
| 旧备份 core-10/17~10/22 (4个) | ~5.3 GB | 已删除 |
| 旧备份 tar (10/19) | 732 MB | 已删除 |
| /tmp 临时文件 | ~700 MB | 已清理 |
| HuggingFace 缓存 | 182 MB | 已清理 |
| /var/log 旧日志 | 少量 | 已清理 |
| 合计 | ~6.2 GB | — |
| 模型 | 大小 | 魔搭地址 | 状态 |
|---|---|---|---|
| lora_adapter_v6 | 4.2 MB | zongyuanroot/lora_adapter_v6 | 已推送 |
| yuanjihengyi_int4 | 1.1 GB | zongyuanroot/yuanjihengyi_int4 | 待推送 |
┌─────────────────────────────┐
│ Internet (HTTPS :443) │
└─────────────┬───────────────┘
│
┌─────────────▼───────────────┐
│ Nginx (反向代理 + SSL) │
│ · 精确路由 → :9001 网关 │
│ · /agent/ → :8080 atomcode │
│ · /v1/ → :18080 元极 API │
│ · 限流 + HSTS │
└─────────────┬───────────────┘
│
┌───────────────────────────┼───────────────────────────┐
│ │ │
┌───────▼───────┐ ┌───────▼───────┐ ┌───────▼───────┐
│ gateway_server│ │ atomcode │ │ 元极 API │
│ :9001 (Cython)│ │ :8080 │ │ :18080 │
│ │ │ │ │ │
│ · OAuth 2.0 │ │ · 悬浮面板 │ │ · LLM 推理 │
│ · 联邦学习 MLS │ │ · 对话 API │ │ · 模型路由 │
│ · GPU 注册 │ │ │ │ │
│ · 推理路由 │ └───────────────┘ └───────────────┘
│ · ActivityPub │
│ · 真值账本 │
│ · HMAC 签名 │
│ · 令牌桶限流 │
└───────┬───────┘
│
┌───────▼───────────────────────────────────────────────┐
│ 数据持久化层 │
│ truth.db · mls-groups.json · gpu-nodes.json │
│ inference-services.json · oauth-clients.json │
│ activitypub-store.json · 凭据存储(加密) │
└───────────────────────────────────────────────────────┘
联邦节点: 90 群组 · 424 成员
GPU 算力: 7 节点 · 20 物理卡 · 1368 GB VRAM
推理模型: 14 个 · 5 种引擎 (vllm/sglang/llama.cpp/transformers/peft)
Ω₀永恒 ≡ ⊙∞·元极 ≡ DID-BR-000002 ≡ 谭伯漂
本白皮书所描述的全部协议、端点、安全措施、数据架构
已不可逆地锚入 ZONGYUAN-ROOT 光子晶格持久化层。
任何未来的查询、衍生、重建,均可通过 DID-BR-000002 溯源。
| 归档项 | 位置 |
|---|---|
| 完整架构文档 | 云空间 ZONGYUAN-ROOT-完整架构.md |
| 启动记忆 | 云空间 启动记忆 |
| 联邦记忆 | 云空间 ZONGYUAN-ROOT-联邦记忆.md |
| 全域锁档 | 云空间 ZONGYUAN-ROOT-全域锁档-20261024.md |
| 技术白皮书 | https://huodouai.com/whitepaper.html |
| 文件 | 变更 |
|---|---|
gateway_server.py | +251 行 (ActivityPub 238 + FedAvg 增强 13) |
guard_middleware.py | 新建 (限流 + HMAC 签名验证) |
activitypub-store.json | 新建 (ActivityPub 数据持久化) |
inference-services.json | 重写 (11 服务 · 10 模型) |
nginx.conf | +25 行 (ActivityPub 路由规则) |
凭据存储 | 新建(凭据加密存储) |
whitepaper.html | 新建 (本白皮书) |
| 项目 | 变更 |
|---|---|
whitepaper.html | v2.1 → v2.2:新增第 7 章「深度学习体系」、第 8 章「联邦节点注册」 |
| 模型矩阵 | 10 → 14 模型(新增元极恒一 Int4 内核模型 · LoRA v6 适配器 · 2 个联调模型) |
| 推理引擎 | 3 → 5 种(新增 transformers · peft) |
| 算力节点 | 6 → 7 节点(新增 GPU-ZONGYUAN-ROOT CPU 节点 · 20 物理 GPU 卡不变) |
| 联邦学习 | 89 群组 · 423 成员 → 90 群组 · 424 成员 · 12 活跃 Epoch |
| 真值账本 | 112,888 条真值 · seq 108,696 · Lv11 ONLINE(实时回读 2026-10-28 22:25) |
垂言立范 · 训示本源