JulianFlux：面向 AI 智能体的电动力学向量检索与因果路由

JulianFlux 🧲：面向 AI 智能体的电动力学推理基础设施

自主 AI 智能体在企业环境中频频失败，因为标准向量数据库（Pinecone、Milvus）只是静态的档案柜。它们依赖余弦相似度这类离散的欧几里得度量，会盲目检索出相互矛盾的信息（幻觉），并返回无序的文本片段，导致智能体陷入逻辑循环。

JulianFlux 将数据库提升为动态推理引擎。我们将高维嵌入压缩到低秩流形，并计算连续电动力学场来检索和路由数据。

🚀 核心突破：洛伦兹力（F = q(E + S)）

我们不测量距离，而是测量物理。我们使用修正后的洛伦兹力方程来路由智能体：

Julian-Gauss 快速变换（JG-FT）：我们使用正态分布，将庞大的 768D 语义空间投影到数学上严谨的 128D 流形，在保持映射精度的同时大幅降低算术成本。
动态带宽（σ）：我们根据每个向量的最近邻距离动态计算其高斯带宽，使场能够完美适应局部语义密度。
电场（E）：在数学上排斥幻觉。我们通过 NLI 逻辑门为数据分配拓扑电荷（q）（矛盾为 −1.0，真相为 +1.0）。排斥电场从物理上阻止 AI 访问被污染的数据。
法拉第电磁感应定律（-∂A/∂t）：我们让旧事实和企业政策随时间衰减，从而对已弃用的工作流产生排斥场。
坡印廷通量（S）：提取因果序列以创建语义动量。通过在几何代数中计算内收缩积（S = E ⌟ B），我们生成一个动量向量，推动智能体依次从步骤 A → 步骤 B → 步骤 C 前进。

🗺️ 仓库地图：我应该运行哪个文件？

我们已用 Python 开源了核心数学实现，以展示连续场架构如何完全超越标准欧几里得 RAG。

（注意：这些文件设计为按以下顺序在本地运行）。

1. euclidean_baseline.py（问题所在） 先运行这个。它演示了在受污染数据集中的标准余弦相似度检索。你将看到标准 RAG 完全失败，盲目检索出相互矛盾的数据，并使因果工作流崩溃。

2. julianflux_educational_mvp.py（快速解决方案） 轻量级、可立即运行的 JulianFlux 引擎。它使用 128D 投影、动态 σ 和洛伦兹力，但采用快速几何中位数聚类来分配真值电荷，而非使用重型 AI 模型。运行它以获得洛伦兹力正确路由智能体的极速演示。

3. scale_ab_benchmark.py（压力测试） 一个端到端对抗性规模测试，生成数千个背景向量。它让标准 RAG 和 JulianFlux 正面交锋，证明在大规模下幻觉率为 0.0%。

4. julian_flux_engine.py（完整物理引擎） 时空引擎。该文件用重量级的 DeBERTa-v3 NLI Cross-Encoder 取代了快速几何聚类，以实现企业级真实验证。至关重要的是，它引入了法拉第电磁感应定律和时间衰减，在数学上使 AI 远离近期已弃用的企业政策。（注意：需要下载 DeBERTa 模型）。

🛠 快速开始

克隆仓库：

git clone https://github.com/julianjohnson-web/julianflux-research.git
cd julianflux-research

Install the required dependencies:
pip install -r requirements.txt

Run the scale benchmark:
python scale_ab_benchmark.py

🏢 JulianFlux Enterprise (The Rust Core)
Note: This repository contains the pure Python bindings intended for educational research and open-source mathematical validation.

For high-frequency production environments, the JulianFlux Enterprise Cloud executes these multivector physics equations in a zero-copy Rust/CUDA backend. This eliminates the Python Global Interpreter Lock (GIL), allowing the Lorentz Force equations to execute across billions of vectors with sub-millisecond p99 latencies.

To inquire about Enterprise Cloud access or Design Partnerships, please contact the founder at: julian.johnson@justudios.io