thatyakuzaguy/ANN

# ANN：Agentic Neural Network **一个本地优先、需批准门控的操作系统，专为 AI 辅助软件工程而设计。** ANN 将自然语言的产品需求转化为可追溯的工程执行过程： 需求、架构、实施方案、测试、安全审查、 共识、受控的补丁应用、验证和发布产物。 它运行在用户的机器上，公开其决策过程，并确保人类对 重大操作保持控制权。  ## 为什么需要 ANN 大多数编码助手都在优化单次模型响应。ANN 将软件 交付视为一个有状态的系统工程问题：多个专家角色交换 结构化的产物，由确定性的校验机制来裁决分歧，运行时 证据凌驾于风格偏好之上，而未解决的歧义会升级给 人类处理，而不是陷入无限循环。 ## 当前可用的功能 - 原生 Windows 桌面外壳，加上基于本地 Next.js 的工程工作台。 - 原生的 D:/E: 项目工作区选择，持久的 UI/运行偏好， 监督模式或完全批准控制，键盘导航，后端恢复 反馈，以及桌面工作台中可见的待批准提醒。 - 将自然语言对话交接给实际的多阶段运行流程。 - 涵盖产品、需求、规划、架构、前端、后端、数据库、 DevOps、QA、安全、文档、审查、元审查和发布角色。 - 四十五项只读专家能力，受限于有类型和边界限制的 工作指令。主 Agent 默认只委派一项聚焦的分析任务，并对 每一个决策负责。 - 监督模式和完全批准模式，带有持久的审计证据。 - 在写入前提出 diff 建议，补丁质量校验门控，token 确认，安全的 终端白名单，受保护路径，以及工作区遍历防御。 - 顺序化的本地模型路由，一次最多只加载一个模型。 - 桌面端模型注册，支持用户提供 GGUF 文件，具备原生文件 选择、SHA-256 验证、许可协议确认、D:/E: 存储， 以及支持 GPU 的 `llama_cpp` 激活检查。 - 从持久化检查点明确恢复中断的生成后运行；ANN 绝不 仅仅因为重启就重复影响宿主环境的工作。 - 使用 Qwen 3 处理对话/产品工作，使用 Qwen2.5-Coder 进行实现，并在 本地配置后使用 DeepSeek-R1-Distill-Qwen 进行强力审查。 - 故障上下文编译器，用于生成有边界、有针对性的修复 payload。 - 跨领域根因隔离，涵盖源码、测试、Docker、YAML、SQL、 数据库迁移、包元数据、环境契约和基础设施。 - 测试有效性校验门控，能将失败的断言归类为可疑，而不是 盲目地重写有效的实现代码。 - 产品契约仲裁，具备确定性的证据优先级，并在 契约存在歧义时升级给人类处理。 - 共识策略，当功能上有效的选项等效时，会抑制风格上的无谓争论。 - 有边界的自主纠正、重试历史记录、指数退避、安全 回滚，以及 `FAILED_PERMANENTLY` 升级机制。 - 架构熵分析，用于检测累积的复杂性，并提出 明确的重构任务，而不是无休止地添加局部的条件判断。 - 一百二十六项具有权限作用域的工程技能，以及两百四十五项有类型的操作，涵盖契约、 依赖、可观测性、测试有效性、架构适应度、 备份/恢复、性能、供应链、来源证明、部署、 集成、UX、Git 协作、Web/包查询，以及专业的 移动端、游戏、数据、ML、基础设施、桌面端、本地化、Agent 评估、对抗性审查、模糊测试、重放、隐私、弹性、 事件响应、可访问性、依赖配置、语义 转换/搜索、测试生成、变异和视觉回归、 服务虚拟化、消费者契约、基础设施规划、 schema 偏移、混沌工程、回滚、队列、数据质量、密钥生命周期、 跨平台兼容性、文档偏移，以及受控的 迁移证据，还有需求可追溯性、Git 历史、数据库 计划、有状态工作流、并发、可重复构建、配置 一致性、SLO、用户旅程、升级/恢复演练、发布渠道、 干净机器环境证据、带有签名的漏洞情报、策略即代码、 形式化模型、覆盖率引导的合成、架构债务趋势、 原型合成、行为预言机、动态授权、 检查点完整性、轨迹取证、委派优化、 跨语言语义影响、不稳定测试调查、在线迁移 演练、本地资源配额、安全更新、安装程序 VM 证据、 模型运行时认证、API 滥用模拟、性能二分查找、 资产来源证明、不变量挖掘、AI 治理证据、语言服务器 诊断、自主交付基准测试、运行时故障恢复、 原生/移动端证据实验室、LLM 应用安全、可执行隐私 权限、加密协议、SDK 一致性、容量经济学、 跨存储一致性、产品遥测契约、身份协议、 时间与货币不变量、离线同步、二进制硬化、 Web 协议、搜索相关性、Agent-工具契约、消息交付、 数据驻留，以及辅助技术证据。 - 确定性的故障到技能规划，将有界的诊断证据 反馈给纠正尝试。技能执行、命令批准和补丁 应用仍然是独立的、已有的校验关卡。 - 项目模板、Docker 验证、健康检查、安全扫描、 文档、打包，以及生成项目的全生命周期产物。 ## 架构 ``` flowchart LR U["User"] --> D["ANN Desktop"] D --> C["Conversation Orchestrator"] C --> P["Engineering Pipeline"] P --> A["Specialist Agents"] A --> R["Parallel Review"] R --> G["Deterministic Consensus Gates"] G --> H{"Human approval required?"} H -->|yes| X["Approval Center"] H -->|no| E["Sandboxed Execution"] X --> E E --> T["Build and Test Evidence"] T --> F["Failure Context and Repair"] F --> G T --> Q["Security and Release Gates"] ``` 根据策略，模型执行是顺序化的： ``` load one model -> run one stage -> capture metrics -> unload -> verify zero loaded models ``` ANN 不捆绑模型权重。操作者需提供本地模型文件，并 显式配置它们的路径。 ## 安全模型 ANN 将语言模型的建议与执行权限分离开来： 1. Agent 提出结构化的输出和 diff。 2. 确定性策略验证作用域、路径、批准和运行时状态。 3. 监督模式会在写入、执行命令、安装或部署之前暂停。 4. 执行过程被限制在已批准的工作区和白名单操作中。 5. 每个决策和重试都会产生可审计的产物。 6. 含糊不清的契约、无效的测试、反复的失败或不安全的路径都会停止 循环，并需要人类进行审查。 没有任何自主系统能让任意生成的代码变得安全。请在一次性的 工作区中运行 ANN，检查补丁，并在投入生产环境前执行独立的 安全和法律审查。 ## 仓库布局 ``` agentic_network/ Core agents, gates, runtime, memory interfaces, and safety apps/api/ FastAPI service apps/web/ Next.js/React engineering workbench apps/desktop/ Native desktop shell packages/ Shared orchestration, sandbox, Git, logs, DB, and security config/ Portable runtime and routing policy installer/ Windows install, uninstall, signing, and validation scripts scripts/ Setup, maintenance, release, and runtime utilities tests/python/ Runtime, safety, orchestration, and desktop test suite docs/ Architecture, skills, runtime, storage, and operations docs ``` 私有模型权重、适配器、数据集、对话、记忆、生成的 项目、运行时数据库、日志和历史输出都被刻意排除在 公开仓库之外。 ## 环境要求 - Windows 11 - PowerShell 5.1+ - Python 3.11+ - Node.js 22 LTS - Git - 用于支持容器化项目验证的 Docker Desktop - 建议使用 NVIDIA GPU 进行本地推理 - 适用情况下，由用户提供的 GGUF/Hugging Face 模型 WSL2 支持用于外部的启用 CUDA 的 Python 运行时。也可以使用配置好的 Windows 运行时。云 API 是可选的，非必需。 ### 开发与验证硬件 ANN `v1.0.1` 主要在以下本地工作站上进行开发和验证： - AMD Ryzen 5 2600 处理器； - 配备 8 GB VRAM 的 NVIDIA GeForce RTX 3060 Ti； - 32 GB DDR4 系统内存。 这只是一个参考配置，并非正式的最低或推荐系统 要求。性能和模型容量取决于量化级别、上下文 大小、启用的服务以及操作者提供的模型。 ## 从源码快速开始 ``` git clone https://github.com/ThatYakuzaGuy/ANN.git D:\AgenticEngineeringNetwork Set-Location D:\AgenticEngineeringNetwork Copy-Item .env.example .env .\setup.ps1 .\start.ps1 ``` 当有可用的打包桌面外壳时请打开它，或者使用位于 `http://127.0.0.1:3000` 的本地工作台。API 健康状态暴露在 `http://127.0.0.1:8000/api/health`。 便携式运行时以安全模式启动。打开 **Models**，选择 **Add Model**， 选择位于 D: 或 E: 上的本地 GGUF 文件，确认其许可协议，然后进行注册。ANN 会验证文件而无需加载它。**Enable Real Runtime** 仅在安装的 `llama_cpp` 绑定报告支持 GPU 卸载时可用；模型加载 依然保持顺序化，并需要通过既有的运行时校验关卡。 有关离线 Windows 安装流程，包括嵌入式运行时、 打包的桌面程序、可选的经哈希验证的本地模型包以及安装后 验证，请参阅[安装指南](installer/README_INSTALLER.md)。 安装可选的模型支持依赖项，然后安装固定版本的 llama.cpp 绑定，并排除其包含漏洞的可选磁盘缓存依赖项： ``` python -m pip install -e ".[local-models]" python -m pip install --no-deps -r apps/api/requirements-llama-cpp.txt python scripts/security/verify_llama_cpp_dependency_policy.py ``` ANN 禁用了持久的 llama.cpp 磁盘缓存。默认情况下，本地推理不使用提示词 缓存；`LlamaRAMCache` 仍可用于受信任的内存中使用。 ## 开发验证 ``` python -m ruff check agentic_network packages tests/python scripts python -m pytest tests/python -q npm ci npm --workspace apps/web run lint npm --workspace apps/web run test npm --workspace apps/web run build ``` 发布过程还会验证一个全新的导出克隆，扫描密钥， 拒绝大型模型产物，并将 SHA-256 哈希记录在公开的发布 清单中。 ## 证据与文档 - [架构](ARCHITECTURE.md) - [Agent 职责](AGENTS.md) - [受控的子 Agent](docs/CONTROLLED_SUBAGENTS.md) - [工程技能](docs/ENGINEERING_SKILLS.md) - [专家技能安全与执行](docs/SPECIALIST_SKILLS.md) - [安全策略](SECURITY.md) - [依赖安全性](docs/DEPENDENCY_SECURITY.md) - [已知局限性](LIMITATIONS.md) - [公开发布流程](docs/PUBLIC_RELEASE.md) - [外部发布保障](docs/RELEASE_ASSURANCE.md) - [模型后端配置](README_LOCAL_MODEL_BACKENDS.md) - [存储行为](docs/STORAGE.md) - [贡献指南](CONTRIBUTING.md) ## 诚实的局限性 - ANN 无法保证仅凭一个提示词就能产出可商业化销售的产品。 - 本地模型的质量、延迟和上下文容量取决于硬件以及 操作者提供的模型。 - 深度的领域行为、生产运维、合规性、UX 验证和 外部账户仍然需要合格的人类专家参与。 - 除非发布维护者提供受信任的代码签名证书，否则当前的桌面分发版本 是未签名的；Windows 可能会显示 SmartScreen 提示。 - 在为多机器硬件矩阵、长期的真实验证项目、 独立的安全和法律审查、模型许可和合格的人类验收提供全新的哈希证据之前，公开的最终发布版本仍将处于 阻断状态。验证器绝不会伪造这些外部结果。 - 除了当前的 SaaS、API 和画布游戏基础之外，某些项目类型 还需要额外的产物家族和特定领域的 工具。 - 自主性被有目的地限制了。“无限纠正”是不安全的， 因此被实现为带有升级机制的可配置重试循环。 ## 许可证 ANN 源代码基于 [MIT 许可证](LICENSE) 发布。第三方 组件仍保留其各自的许可证；请参阅 [ATTRIBUTIONS.md](ATTRIBUTIONS.md)。

标签：AI合规, AI操作系统, MITM代理, 人工智能, 代码审查, 智能体工作流, 本地部署, 用户模式Hook绕过, 网络安全研究, 自动化编程, 请求拦截, 逆向工具