用世界顶级已有成果，组装世界顶级 AI 系统 —— 并且让「它真的对」这件事可以被独立验证。
不重新发明轮子。检索已被工业界验证的最优解（RadixAttention、PagedAttention、FlashAttention、Gated DeltaNet、MLA、MoE、Muon2、GGUF k-quants……），正确地组合起来，再用可复现基准 + 数学不变量证明它真的能用。
| 原则 | 含义 | 怎么才算做到 |
|---|---|---|
| 零重写 · 集大成 | 任何需求先检索世界最优解，能复用就复用、能组合就组合、能超越就超越 | 每个项目注明复用了哪些顶级开源方案 |
| 验证优先 | 正确性不是「测试通过」，而是架构层保证的硬不变量 | 解析解 vs 数值解、暴力枚举 vs 贪心、黄金参照库对拍、逐位确定性 |
| 闭环交付 | 可运行、可复现、可验证；失败如实报失败 | 门禁失败不允许放宽阈值凑绿 |
失败也公开：densforge 是一份公开的失败记录 —— 密度估计中位 −1.05% FAIL、流形 5/5 FAIL vs Isomap。它没通过，我把它挂在 README 上而不是藏起来。
由 GitHub Actions 自动刷新 · 最后更新 2026-10-16 04:44 UTC · 数字由 API 实拉，不靠手改
| 指标 | 数值 |
|---|---|
| 公开仓库 | 287（活跃 239 · 归档 48） |
| Stars / Followers | 0 / 1 |
| 代码体量 | ≈ 21.9 MB（GitHub 计 22,422 KB） |
| 语言分布 | Python 185 · HTML 69 · JavaScript 26 · TypeScript 5 · 其他 2 |
| 活跃仓库 CI 覆盖 | 222/239（92%） |
| Fork | 0 |
最近推送
- innovation-flagship-ai — 创新旗舰 AI · Innovation Flagship AI — 十层架构、零重写集大成、CPU 可运行可复现可… （今天）
- phosphorus — Phosphorus (晨星) - Ternary-native 1.58-bit LLM training & s… （今天）
- aurora-worldclass-ai — Aurora —— 晨星锻造的世界顶级 AI 系统：MLA+GDN+SWA 混合注意力 / DeepSeekMoE … （今天）
- chenxing — 晨星 Chenxing · LLM 推理与智能体栈：RadixAttention / PagedAttention … （今天）
- apex-forge — ApexForge · 零依赖 AI/ML 基础库，每个算法带可验证硬不变量（25/25 无头自检全绿）。作者：晨星 （今天）
- helix-ai-engine — Provider-agnostic AI orchestration engine: RAG + tool-usin… （今天）
别信 README，跑一遍。旗舰仓库三条命令出结果，无需 GPU、无需 API key：
git clone https://github.com/CJX0712/tianji-ai && cd tianji-ai
pip install -r requirements.lock.txt
make verify-all # = make test + make gates + make quickstart| 你会看到 | 判据 |
|---|---|
| 单元测试 | 39 个，全绿 |
| 交付门禁 | 10 道，全绿；任一项失败即 exit non-zero |
| 最小示例 | quickstart 端到端跑通 |
| 梯度校验 | 解析反向 vs 中心差分，相对误差 6.21e-09 |
| 训练收敛 | 300 步 loss −16.6% |
| 复现性 | 同 seed 逐位一致 |
—— 每次 push 都在公开环境重跑一遍，绿色不是自述，是机器跑出来的。
其他仓库同理：make verify-all make test 或 pytest，多数项目零依赖、CPU 可跑。
tianji-ai · Gated DeltaNet × MLA × MoE × Muon2 × 投机解码 · 仅依赖 NumPy · CPU 可训
十层架构 · 1024 条可执行微指令 · 10 道可证门禁全绿 · 16 项验收指标达标
| 实测 | 结果 |
|---|---|
| 训练 300 步 | loss −16.6% |
| KV cache | 节省 83.3% |
| 解析反向 vs 中心差分 | 误差 6.21e-09 |
| 同 seed 复现 | 逐位一致 |
十层分解：L0 数值内核 → L1 反向契约 → L2 BPE 分词 → L3 架构原语 → L4 Gated DeltaNet → L5 DeepSeek-V3 MoE → L6 Muon2 → L7 训练 → L8 推理量化 → L9 DPO/IPO/SimPO/KTO → L10 微指令 + 门禁
姊妹系统
- aurora-worldclass-ai —— MLA+GDN+SWA 混合注意力 / MTP 自投机 / MuonClip
- tianshu-ai —— 天枢 · 32 算法家族 + Caruana 集成选择 + 融合旗舰
- chenxing —— LLM 推理栈：RadixAttention / PagedAttention / 投机解码 / FlashAttention / GGUF k-quants
| 项目 | 是什么 | 硬指标 |
|---|---|---|
| axiom-ai | 自验证 AI 微指令操作系统：十层 × 1024 微指令，单文件双端同源 | 64 项数学不变量 |
| qiming-ai | 启明 · 可验证 RAG：混合检索 + Cross-Encoder 重排 + 句级支持度校验 + 覆盖率门槛拒答 | 76 测试 + 26 不变量 |
| atlas-ai-stack | ATLAS · 混合检索 + 重排 + 确定性工具路由 + ReAct + 逐句溯源 | 157 测试 |
| glassbox | 玻璃盒 RAG：BM25 + dense + RRF + rerank，证据链全可见 | 纯 CPU 零 API key |
| zhishu | 智枢 · 企业级知识中枢，Web / API / CLI 三形态 | Docker 一键复现 |
| loom | MCP 原生本地智能体运行时：Ollama + MCP + crawl4ai | 本地优先 |
| veritas-ai | 不变量优先、可自进化的 Agent 运行时 | 正确性提升到架构层 |
| dialectica-ai | 辩衡 · 证据锚定、可证收敛的多智能体审议 | 收敛可证 |
| hyperion-ai | 双引擎：Python 训练内核 + TypeScript 零依赖推理内核 | 13 模块 + 重排护栏 |
| StellarAI | 本地优先多模态引擎：transformers.js + hnswlib + ReAct | 零 API key |
纯 JS / 纯 Python 内核家族 —— 每个模块以硬不变量自检，浏览器 / Node / Python 三端可跑。
| 内核 | 一句话 | 不变量 |
|---|---|---|
| zenith-ai | 15 模块零依赖纯 JS AI 核心库，浏览器 & Node 同码 | 24 项梯度校验 |
| apex-forge | 零依赖 AI/ML 基础库，每算法带可验证硬不变量 | 25/25 无头自检 |
| microforge | RMSNorm + RoPE + GQA + SwiGLU + FlashAttention-2 + Muon 微型 LLM 栈 | 11 条硬不变量 |
| StarAI-Kernel | 纯 JS 十层架构 AI 内核 | 23 项逐条可验证 |
| ai-forge | 星锻 · 数值内核 / 自动微分 / Muon·L-BFGS / FlashAttention·GQA·MLA | 逐条机器精度 |
| phosphor-ai | SVD / JacobiEig / PCA / GMM / kNN / MLP / Attention | 三重交叉验证 |
| forge-core | autograd / SVD / Jacobi / k-means / GMM-EM / PCA / 注意力 | 8/8 绿 |
| morningstar-ai-forge | 十层架构 + 跨库交叉验证（forge 纯实现 vs numpy/scipy/sklearn/torch） | 黄金参照对拍 |
69 个单文件实验室，零依赖 · 零构建 · 单文件 HTML/JS。浏览器打开即运行，Node 无头自检全绿。
不是调库 Demo。每个 forge 都留了一条能被交叉验证的硬标准：解析解对数值解、暴力枚举对贪心、KKT 互补松弛、Bellman 残差收敛……
| 领域 | 代表项目 | 验证的不变量 |
|---|---|---|
| 深度学习 | nn-forge · attn-forge · transformer-forge · gpt-forge | 梯度检验 maxRelErr ≈ 1e-7 |
| 生成模型 | diffusion-forge · ddpm-forge · denoise-forge | DDPM 闭式解 / DDIM 一致性 |
| 强化学习 | az-forge（AlphaZero 自对弈）· cartpole-forge（PPO+GAE）· mcts-forge | Bellman 残差 → 0 / UCT vs Minimax |
| 概率与推断 | gmm-forge · hmm-forge · vi-forge · mcmc-forge · kalman-forge | 对数似然 / ELBO 单调不降 |
| 数值线代 | pca-forge · nmf-forge · ica-forge · matrixforge | ‖Av − λv‖ ≈ 1e-15 |
| 经典算法 | astar-forge · avl-forge · rs-forge（GF(256) Reed-Solomon）· svm-forge | 堆序不变量 · KKT 互补松弛 |
| 几何 · 物理 · 信号 | fourier-forge · orbit-forge（Verlet 动量守恒）· wave-forge（Crank-Nicolson 薛定谔）· gravity-forge（Barnes-Hut N 体） | 守恒量 / 解析解对照 |
| 词向量 · 分词 | word2vec-forge（king−man+woman=queen）· bpe-forge | 26 项不变量全绿 |
▶ 65 个项目已上线在线演示（GitHub Pages，无需克隆）：
https://cjx0712.github.io/<仓库名>/随手可点：nn-forge · attn-forge · diffusion-forge · mcts-forge · gravity-forge · koch-forge · fourier-forge · wave-forge
150+ 个模块化算法系统（Python），复用顶级开源（scikit-learn / LightGBM / XGBoost / Optuna / FAISS / ruptures / river……），每套带纯 numpy 离线兜底与基线对照，CPU 可跑、确定性可复现。
| 领域 | 代表项目 |
|---|---|
| 表格 · AutoML | tabulaforge · rankforge · featforge · semiforge（macro-F1 +0.0536）· StarAI |
| 图与网络 | graphforge · gnnforge · kgforge（Filtered MRR +17.56%）· heteroforge |
| 因果 · 不确定性 | causalforge · dagforge · confforge · certiscale（FDR 降 21–43×）· pgmforge（误差 6.9e-15） |
| 时序 · 检索 | tsforge · changeforge · searchforge（nDCG@10 +11.73%）· vecforge · riverforge |
| 生成模型 | diffusionforge · rectforge · flowforge · ssmforge（adding problem 1e-11） |
| 优化 · 决策 | convexforge · transforge（155 测试）· nashforge · ctrlforge · portforge |
| 科学计算 | operatorforge（FNO/DeepONet）· odeforge · sindyforge · tensorforge · topoforge |
| 可信 · 隐私 | robustforge · privforge（DP-SGD）· fairforge · watermarkforge · explainforge |
| 语言 | Python 3.13 · JavaScript (ESM) · TypeScript · 单文件 HTML/CSS/JS |
| 前端 | React · Vite · 手写零依赖单文件页面 |
| 后端 | FastAPI · Docker · Protocol 可注入模块化架构 |
| 数值 | NumPy / SciPy 纯 CPU 内核 · 可选 torch / JAX 后端 |
| AI | 混合架构 LLM（GDN+MLA+MoE）· 混合检索（BM25/dense/RRF/rerank）· llama.cpp · Ollama · MCP · ONNX / GGUF |
| 质量 | pytest · ruff · 数学不变量自检 · 逐位确定性复现 · 门禁不允许放宽阈值 |
按语言分组的完整清单见 REPOSITORY_INDEX.md（零遗漏；归档项目保留但不推荐 —— 它们是历史迭代的诚实痕迹）。
语言分布与逐仓状态见上方数据看板，由 Actions 自动刷新，不会过期。
✦ 不是太阳，不负责把什么都照亮 —— 是天亮前最后还亮着的那颗。