xilian-agi-like-test

以《崩坏：星穹铁道》·昔涟为人格内核的低资源 AGI 项目（开源/可复现实验版）。

⚠️ 该项目由 AI 生成，作者只能保证在 1066 移动版 + i5-6300HQ + 16GB DDR4 2133 环境成功运行。

本仓库为非官方粉丝项目，与米哈游（MiHoYo）无关；角色形象、故事与语料版权归米哈游所有。

项目简介

本项目是一个面向 GTX 1060 6GB / 16GB RAM 的低资源人格引擎实验： 以「昔涟」为人格内核，通过 4000 路匹配器集群 + 动态激活 + 记忆池 + 扩散器 实现轻量级对话与认知连续性，并支持 Cyrene-Agent 兼容 API（OpenAI 格式 /v1/chat/completions）。

v8.0 核心：接入 MiniMind-O 前端编码器（Thinker 768 维潜向量 Z）+ 轻量投影层（置信度回退），将 Z 维度从 384 对齐到 768，并与 core/projector.py、model_minimind.py、minimind_bridge.py 联动。

• 代码：core/（认知核心）、gui/（聊天界面）、scripts/（启动/训练入口）
• 配置：config.py（全局常量）、hoyotool.ini（示例配置，密钥留空）
• 依赖：见 requirements.txt

快速开始

:: 1) 安装依赖（torch / transformers / bitsandbytes 等）
pip install -r requirements.txt

:: 2) 配置 API Key（可选，仅训练数据生成 / 云端路由需要）
::    Windows:  set DEEPSEEK_API_KEY=<your-api-key>   （PowerShell: $env:DEEPSEEK_API_KEY="<your-api-key>"）
::    或者在 hoyotool.ini [Cloud] 段填 api_key（不建议，容易被误提交）

:: 3) 启动（本地 GUI 模式 / API 模式）
python scripts\start.bat          :: 本地模式
python scripts\start_api.bat      :: API 模式（端口 8080）

:: 4) 自检
python main.py --selftest

未配置 API Key 时程序自动降级（跳过云端调用，使用内置种子示例），不影响引擎启动与本地对话。 有必要可以配置python虚拟环境。 50系显卡可能需要修改部分代码。

目录结构

xilian-agi-like-test/
├── core/                 # 认知核心（匹配器集群 / 记忆池 / 扩散器 / 路由）
│   ├── agi_core.py       # 引擎主线
│   ├── matcher_cluster.py
│   ├── memory_pool.py
│   ├── diffuser.py
│   ├── projector.py      # v8.0 轻量投影层 + 置信度回退
│   ├── model_minimind.py # v8.0 MiniMind Thinker（hidden=768）
│   ├── minimind_bridge.py# v8.0 MiniMind-O 编码桥（Thinker hidden → 768 Z）
│   └── adapter/          # OpenAI 兼容 API / SSE
├── gui/                  # 聊天窗口 / Web UI
├── scripts/              # 启动 / 训练入口
├── config.py             # 全局配置（密钥走环境变量）
├── hoyotool.ini          # 示例配置（api_key 留空）
├── requirements.txt
└── README.md

角色语录 / 人设数据怎么生成

本项目的「昔涟」语料与人格数据，由以下脚本链路生成（从真实资料抓取 → 大模型生成 → 微调 → 知识源）：

1. 抓取参考人设（fetch_cyrene_ref.py）

从 GitHub HeartEase1/cyrene.skill 抓取人设资料（SKILL.md / personality.md / profile.md / background_story.md / interaction.md 等），输出到 data_cache/reference_cyrene/。

python fetch_cyrene_ref.py

引用第三方仓库资料仅作参考，版权归原作者与米哈游所有。

2. 生成人格训练数据（gen_persona_data.py）

用 DeepSeek API（deepseek-v4-flash，Responses API + web_search 联网搜索）生成 N 条昔涟人格对话：

:: 先生成 20 条试跑，再生成 200 条
python gen_persona_data.py --count 20
python gen_persona_data.py --count 200

流程：

1. fetch_world_knowledge() 联网抓取萌娘百科「昔涟 / 翁法罗斯」资料（可缓存）；
2. 资料 → 话题 → 场景提示；
3. 第一轮强制联网搜索，第二轮基于搜索结果作答（两轮自动续传）；
4. 落盘 data_cache/persona_dataset.json（完整不截断），支持缓存命中复用。

种子示例在 train_all.py 的 SEED_EXAMPLES 中可自行修改；修改后缓存自动失效。

3. 生成 ChatML 语料（train_all.py → data_cache/训练资料*.txt）

train_all.py 将生成数据整理为 ChatML 格式（<|im_start|>user ... <|im_end|> <|im_start|>assistant ...）的训练语料，供微调使用。

python train_all.py

4. LoRA 微调（train_finetune_qwen.py）

在 GTX 1060 6GB 预算内对 Qwen3.5-0.8B 做人设 SFT（LoRA r=16、冻结基础模型、AMP fp16、1~3 epoch）：

python train_finetune_qwen.py
:: 可选: PHILIA_FT_EPOCHS=2  PHILIA_FT_BATCH=4

产物：models/Qwen3.5-0.8B-ft/（合并后的微调模型，本地推理优先加载）。

5. 知识源训练（train_l3_knowledge.py / train_all.py）

知识层（L3）使用抓取到的资料训练知识源，供扩散器 / 检索使用。详细参数见各脚本 docstring。

---

💡 提醒（版权边界）

• 抓取的萌娘百科 / 第三方仓库资料仅供参考研究，请勿将完整语料直接发布；
• 角色「昔涟」及其故事版权归 米哈游（MiHoYo） 所有；
• 本项目代码以 MIT 许可发布，不包括任何角色原作文本、图片与官方语料。

环境变量

License

本项目代码以 MIT License 发布（见 LICENSE）。角色版权归米哈游，请遵守版权边界。