JulianFlux：電磁向量檢索與因果路由 AI 代理的新架構

JulianFlux 🧲：AI 代理的電磁動力推理基礎設施

自主 AI 代理在企業環境中失敗，因為標準向量資料庫（Pinecone、Milvus）像靜態檔案櫃。它們依賴離散的歐氏度量，例如餘弦相似度，盲目檢索相互矛盾的資訊（幻覺）並返回無序的文字片段，導致代理陷入邏輯迴圈。

JulianFlux 將資料庫升級為動態推理引擎。我們將高維嵌入壓縮為低秩流形，並計算連續電磁場以檢索與路由資料。

🚀 核心突破：洛倫茲力（F = q(E + S)）

我們不再測量距離，而是測量物理。使用改良的洛倫茲力方程式來路由代理：

• The Julian-Gauss Fast Transform (JG-FT): 我們將龐大的 768D 語義空間投影至數學上可靠的 128D 流形，使用正態分佈，保持對映精度，同時大幅降低算術成本。
• Dynamic Bandwidths (σ)： 我們根據每個向量的最近鄰距離動態計算高斯頻寬，讓場能完美適應本地語義密度。
• The Electric Field (E)： 以數學方式排斥幻覺。我們透過 NLI 邏輯閘為資料分配拓撲電荷 (q)（−1.0 表示矛盾，+1.0 表示真實）。排斥電場實際上阻止 AI 存取被毒化的資料。
• Faraday's Law of Induction (-∂A/∂t)： 我們隨時間衰減舊事實與公司政策，產生排斥場以對抗已棄用的工作流程。
• The Poynting Flux (S)： 擷取因果序列以產生語義動量。透過在幾何代數中計算內部收縮積（S = E ⌟ B），我們產生一個動量向量，將代理依序推進從步驟 A → 步驟 B → 步驟 C。

🗺️ 倉庫地圖：我應該執行哪個檔案？

我們已將核心數學以 Python 開源，示範連續場架構如何徹底優於標準歐氏 RAG。

(註：這些檔案設計為按以下順序在本地執行)。

1. euclidean_baseline.py (The Problem) 先執行此檔。它示範在被毒化資料集中的標準餘弦相似度檢索。你會看到標準 RAG 完全失敗，盲目檢索相互矛盾的資料並導致因果工作流程崩潰。

2. julianflux_educational_mvp.py (快速解決方案) 輕量級、即時可執行的 JulianFlux 引擎。它使用 128D 投影、動態 σ 和洛倫茲力，但採用快速幾何中位數聚類來分配真實電荷，取代繁重的 AI 模型。執行此檔以展示洛倫茲力如何快速正確路由代理。

3. scale_ab_benchmark.py (壓力測試) 一個端到端的對抗式規模測試，產生數千個背景向量。它將標準 RAG 與 JulianFlux 進行對戰，證明在規模下幻覺率為 0.0%。

4. julian_flux_engine.py（完整物理引擎） 時空引擎。本檔案將快速幾何聚類替換為重量級 DeBERTa‑v3 NLI Cross‑Encoder，用於企業級真實性驗證。關鍵在於它引入了法拉第電磁感應定律與時間衰減，從數學上將 AI 排斥離最近被廢棄的企業政策。(注意：需下載 DeBERTa 模型)。

🛠 快速開始

複製倉庫:

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