JulianFlux 开源：面向 AI 智能体的电动力学向量检索与因果路由框架

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，原因在于标准向量数据库（如 Pinecone、Milvus）本质上如同静态文件柜。它们依赖离散欧氏度量（如余弦相似度）来盲目检索相互矛盾的信息（幻觉），并返回无序的文本片段，导致智能体陷入逻辑死循环。

JulianFlux 将数据库提升为动能推理引擎。我们将高维嵌入压缩到低秩流形，并计算连续电动力学场以实现数据检索与路由。

🚀 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。我们使用改进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 768 维语义空间投射到数学上严密的 128 维流形中，在大幅降低算术开销的同时保持映射精度。
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，使场能够完美适配局部语义密度。
电场 (E)：通过数学手段排斥幻觉。我们借助 NLI 逻辑门为数据赋予拓扑电荷（q），即矛盾为 −1.0、真相为 +1.0。排斥性电场从物理上阻断了 AI 访问被污染数据的途径。
法拉第感应定律 (-∂A/∂t)：我们让陈旧的事实和企业策略随时间衰减，从而产生一个排斥场，抵制已废弃的工作流。
坡印廷通量 (S)：用于提取因果序列以生成语义动量。通过计算几何代数中的内收缩乘积 (S = E ⌟ B)，我们生成一个动量向量，将智能体按顺序从 Step A → Step B → Step C 推进。

🗺️ 仓库导航：我该运行哪个文件？

我们已在 Python 中开源了核心数学实现，以展示连续场架构如何彻底超越标准欧氏 RAG。

（注：这些文件设计为按以下顺序在本地运行）。

1. euclidean_baseline.py（问题演示） 请首先运行该文件。它展示了在受污染数据集上的标准余弦相似度检索。你会看到标准 RAG 完全失效，盲目检索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、可即时运行的 JulianFlux 引擎。它采用了 128 维投影、动态 σ 与洛伦兹力，但使用快速几何中值聚类来分配真值电荷，而非依赖重型 AI 模型。运行该文件可获得极速演示，直观看到洛伦兹力将智能体正确路由。

3. scale_ab_benchmark.py（压力测试） 端到端的对抗性规模化测试，可生成数千个背景向量。它让标准 RAG 与 JulianFlux 同台对决，证明在大规模场景下幻觉率仅为 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 交叉编码器取代了快速几何聚类，以实现企业级的事实验证。关键在于，它引入了法拉第电磁感应定律与时间衰减机制，通过数学方式将 AI 排斥在最近被弃用的公司策略之外。（注意：需要下载 DeBERTa 模型）。

🛠 快速开始

克隆代码仓库：

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