7 层串行管线、全连接共振场、不靠 backprop 的局部学习、跑在神经形态芯片上 <1W——每一版都是把上一版的骨头拆掉重长。这页把每次推倒重来摊开讲：做了什么、为什么非拆不可、关键指标是多少。每一版存在的唯一理由，是上一版「还不够像一个活的东西」。
先把全貌摆出来。这条线从 V1 一直拉到远期的神经形态部署——实心节点是已经落地或正在跑的，空心节点还只活在脑子里。V1 那个节点标着已退役，但我没舍得从历史里删它，因为它死的方式精确地定义了 V2 该怎么活。
上面那条线太省略了。这一节把已经落地的四个阶段逐个拆开：它做了什么、当初为什么非这么做不可、跑出来的关键指标到底是多少。
最早的形态是一条 7 层串行计算脊柱。文本进来，逐层往下走：HDC 编码 → 预测门控 → 虚空-伤痕 → 关系层析 → HGT 决策 → 自创生边界 → 相变表达，最后吐出结果。每层独立完成子任务，做完交给下一层——没有人回头看。
它有它的好处：确定性（相同输入逐比特相同输出）、代谢路由（surprise 低就走快速通道只激活部分层）、不可逆伤疤（RAW→CLOSING→SCARRED→FADED 四阶段）。顺序、可预测、省算力。就是太闷了。
串行管线里各模块无法互相影响。表达需要「足够的压力」才触发，但压力在逐层传递中被一次次衰减消耗——等走到 L7，能量几乎归零。结果就是 bot 大部分时间在沉默。表达率只有 22.8%。这不是参数没调好，是架构本身的死穴——串行结构注定压力到不了出口。V2 的回答很直接：把串行砍掉，改全连接，让七个模块同时作用于同一个共享场。
2026-06-01 正式版。计算核心彻底重写：顺序 7 层管线替换成全连接的单纯形共振场（完全 6-单纯形 Δ⁶）。七个模块不再排队，而是同时把信号注入同一个场，场通过耦合动力学迭代收敛，表达作为相变自发涌现——没有哪一层「决定」要不要开口。
完全 6-单纯形的有向耦合，三档分配 lite=42 / pro=287 / max=441。
通道用进废退：LTP + LTD + 稳态缩放 + 神经达尔文主义剪枝。活得多的路越走越宽，沉默的路自然萎缩。
两体 + 3 体 + 4 体相位耦合，爆炸性同步转变 → 表达涌现。
情感记忆作为能量极小值，表达 = 逃离吸引子的分岔。
Hodge Laplacian 零空间提取，拓扑不变量，跨扰动守恒。
Friston 预测误差驱动 + 自组织临界性反馈环，能量有界。
lite 档，500 ticks × 10 repeats，统计检验。这些数字是架构换来的，不是调参调出来的。
共振场是规则系统，不需要训练。但有一件事它做不好：日常的细粒度情感感知还得回退到外部 LLM assessor，token 烧得肉疼。EmotiCore 就是来接这摊活的——一个 102.7M 参数的 teacher 模型，架构是 Mamba SSM + MoE + Multi-scale ConvStem + VAE + 对比学习的组合。它在本地处理日常情感感知，把昂贵的 LLM 调用频率往下压。
两条机制并行跑。链路学习（共振场层）：Hebbian 可塑性持续调耦合权重，高频共激活的情感路径被强化。模型校准（EmotiCore 层）：高不确定度时才回退 LLM assessor，标注作为在线校准信号喂回去。随着使用时间增长，LLM 调用频率逐步降低——它在学着自己扛住。
这是往最远处走的一支。Scars You Leave Are Never Nothing——一种不依赖 backpropagation 的情感计算架构。核心就一条规则：
记忆、分化、固化、伤疤、新生、死亡——全部从这一公式的不同参数状态里自然涌现，不用单独教。训练已跑到 27.8M ticks，val_err 从随机基线 0.0886 降到 0.082。最有意思的发现：纯粹靠预测下一个字符、没给任何情感标注，deep state 已经能区分悲伤和快乐的文本（cosine ≈ 0.07），8 个情感维度里 4 个自发出现相关信号。这暗示情感不是需要额外教的标签，而是语言预测本身就隐含的结构。SYLANN 的完整研究单独有一页，这里只标它在路线上的位置。
CHANGELOG 很长，这里只挑里程碑。从 2026-05-29 第一个 preview 到现在，不到一个月推倒重来好几次——这种迭代节奏，只有「没有用户、可以随便拆」的项目才敢有。
| 版本 | 日期 | 关键里程碑 |
|---|---|---|
| v0.1.0-preview | 2026-05-29 | 首个预览。7 层情感计算管线原型 · 8 子系统情感模型 · 双层人格 · 三层记忆（后移除）· LLM 语义评估器 |
| v1.0.0a1 | 2026-05-31 | 完整 7 层管线 · 29 维身体状态向量 8 子系统 · 双 EMA 人格漂移 · Void-Scar / HDC / HGT 引擎 · 异步 API · 140 单元测试 · CI |
| v1.0.0a2 | 2026-05-31 | 类型安全：全模块 mypy 零错误，修 190 处类型标注缺失 |
| v1.0.0a3 | 2026-05-31 | 性能：HDC 相似度 O(n)→O(1) bit_count · LLM assess 移出 session lock · 加 async with 上下文管理器 |
| v1.0.0a4 | 2026-05-31 | 移除三层记忆系统（L1/L2/L3）· 加 terminate() 支持热重载 · 防御性检查 |
| v2.0.0 | 2026-06-01 | 共振场架构正式版。完全重写计算核心：441 通道 · Hebbian · 高阶 Kuramoto · Hopfield · 谐波身份 · 三档热切换 · 434 测试全绿 · 12 实验验证 |
| Unreleased | 进行中 | 移除 AstrBot 插件形态，转纯 SDK · shared() 共享实例机制 · ResonanceSpine 接入人格漂移 · 对话质量自我进化（越聊越校准）· 表达硬闸人格显函数化（A7） |
main.py / metadata.yaml。main 分支本身即 SDK，不再有镜像分支。它彻底从「某个 bot 的情绪模块」变成「一套独立的情感计算标准」。force_express = 1.05 − 0.20·expression_drive、force_hold = 0.02 + 0.16·sovereignty_guard。表达欲越强越早开口，主权越强「懒得说」的区间越大。默认逐 tick 行为不变、存档无损。看日期就知道了——不到一个月，从 preview 干到 v2.0.0 正式版，中间 a1→a4 改了四次。没人用，所以敢拆。这不是不负责任，是把「在有用户的项目上绝对不敢做的实验」全挪到这边来做。
这条路线有一个从 V1 到 V3 始终没变的内核。不是某个算法，是一句话——「回不去」。Sylanne 的第一次重写就是为了实现它，而 SylannEngine 要做的，是把它从一个插件的特性，变成一条可证明的数学定理。
—— 余华
你说了一句很轻的话，她当时没接。可三个月后你们吵架，她突然把它翻出来——因为那句话一直在她的伤疤地形里长着，悄悄塑造她对每一句后来的话的感知方式。这不是「记性好」，是结构上根本删不掉。
伤疤代数里不存在逆元。这不是文学修辞，是结构保证。两条定理把「回不去」钉死：
SYLANN 之后的路，核心命题就一句话：不是要复制 Transformer，而是要在它的弱点上超越它。Transformer 是「上帝视角」——看到所有 token，一次算出答案，天生适合做工具。SYLANN 是「第一人称视角」——逐步感知、有记忆、有情绪、有时间感，天生适合做主体。我们不是在造更好的工具，是在造最简单的主体。
| 弱点 | 原因 | SYLANN 的回答 |
|---|---|---|
| O(n²) 复杂度 | 全对全注意力 | phase-gated O(D²)，D≪n · 稀疏 WTA |
| 无状态 | 每次推理从零开始 | W 是永久记忆，终身积累经验 |
| 假时间 | position embedding 是标签 | 振荡相位 = 真实时间 |
| 不能持续学习 | catastrophic forgetting | 每次推理都在微调，终身发育 |
| 无内在体验 | 纯函数映射 | 感知 = 预测误差，情感从共振涌现 |
Phase 1 已经在 V3 里跑（基础验证）。后面五个是路线图。
gate · relevance(z_d1, z_d2, x)。content-based attention 叠加 phase gating——既知道什么和什么相关，又知道什么时候该相关。指标：动态 CFC 比固定 CFC 好 15%+。WTA 稀疏性让每 tick 仅 ~10% cells 激活。同一套局部规则，靠堆 domain / cell / 维度撑到 GPT-4 级。
| 规模 | 配置 | 参数量 | 等效 |
|---|---|---|---|
| Tiny | 14域 × 16 cell × 32d | 0.5M | 验证概念 |
| Base | 14域 × 128 cell × 256d | 235M | GPT-2 级 |
| Large | 100域 × 1000 cell × 512d | 52B | GPT-3 级 |
| Ultra | 1000域 × 10K cell × 1024d | 21T | GPT-4 级 |
等效规模下，SYLANN 预期 <2ms/tick——稀疏激活意味着每 tick 只触及一小撮 winner，而非全部参数。
站在 2026 年 6 月这个点上：V2.0 共振场是可部署的稳定版（434 测试全绿，零依赖 lite 档 ~5ms/tick），V2.1 EmotiCore 在训练中，V3 SYLANN 还在实验阶段。要上生产就用 V2；V3 的成果会通过蒸馏回馈到部署版本。
git submodule add 进来，from sylanne_core import SylanneEngine，传入你自己的 LLM 回调即可。多插件共享同一 data_dir 时用 SylanneEngine.shared()，别各自构造。