Брейн
Двухуровневая система, где языковая модель — не мозг, а инструмент. Мозг — это взвешенный граф, который учится на реальных результатах.
Ошибки накапливаются
Языковые модели — мощные инструменты, но у них есть фундаментальная проблема: ошибки растут с каждым шагом. Первый ответ — 5% ошибок. Второй — уже 10%. Третий — ещё больше.
Модель пытается делать слишком много одновременно: рассуждать, помнить контекст, использовать инструменты, обращаться к памяти — и при этом не теряться в длинном контексте.
Существующие подходы просто наклеивают разные механизмы друг на друга и заставляют модель координировать всё это сама. Это не решает проблему — это добавляет ещё больше вещей, которые могут пойти не так.
Модель — не мозг. Мозг — это граф.
Вместо того чтобы заставлять модель координировать всё сама, мы создали «мозг» — взвешенный ассоциативный граф. Он не рассуждает и не думает. Он сопоставляет ситуации с управляющими сигналами — импульсами — и обновляет эти сопоставления на основе реальных результатов.
Модель всегда начинает с чистого листа. Для неё это всегда первый шаг. Мозг берёт на себя сложность, поэтому ошибка модели остаётся на уровне ~5% каждый раз.
Цикл работы мозга
Пять шагов. Каждый шаг — это не рассуждение модели, а управляемый процесс.
Сопоставление ситуации
Входные данные сопоставляются с ближайшим узлом в графе — по ключевым словам, векторной похожеести или LLM-классификатору.
Запуск импульсов
Мозг запускает импульсы с наибольшим весом для этой ситуации. Это дискретные управляющие сигналы, а не сгенерированный промпт.
Выполнение модели
Импульсы формируют промпт. Модель делает одно действие — рассуждает за один шаг с правильной формулировкой.
Измерение результата
Результат измеряется через реальные последствия: тест прошёл? Ошибка исправлена? Пользователь сказал «да»?
Обновление весов
Положительный результат усиливает связи, отрицательный — ослабляет. Принцип Хебба: «нейроны, которые срабатывают вместе, связываются вместе».
Четыре типа импульсов
Каждый импульс делает одно дело. Они не генерируют текст — они управляют тем, как модель работает.
Метка намерения
«Это вопрос о выборе инструмента, а не фактический запрос» — классификация намерения.
Фильтр контекста
«Включить известные предпочтения пользователя, исключить лишнее» — решение о том, что включать.
Ограничение формулировки
«Дай определённый ответ, а не обе стороны» — ограждение от типичных ошибок модели.
Проверка после выполнения
«Решила ли модель реальную проблему пользователя?» — пост-проверка результата.
Версия 2 — что есть, что в планах
✅ Работает
- Полный цикл: сопоставление → импульсы → выполнение → измерение → обновление
- Разделение импульсов: структурные и декоративные
- Хранение в SQLite с затуханием весов
- Извлечение признаков по ключевым словам
- Сопоставление по косинусной похожеести
- Предварительно заполненное пространство импульсов для SQL
- Базовые импульсы для «холодного старта»
🔮 В планах
- Многошаговая итерация — если импульсы не помогли, попробовать другую комбинацию
- Расширение на другие домены: генерация кода, отладка, тесты
- Оценка уверенности — мозг будет знать, когда он неуверен
- Перенос знаний между доменами
Куда мы идём
Ближайшие шаги
Многошаговая итерация — если комбинация импульсов не работает, мозг попробует другую, не заставляя модель переосмысливать всё с нуля.
Расширение доменов
Из SQL — в генерацию кода, отладку, написание тестов. Каждый домен имеет своё пространство импульсов.
Уверенность и калибровка
Мозг научится понимать, когда он неуверен, и сможет делегировать сложные ситуации человеку.
Мозг не понимает мир —
он понимает модель и пользователя
Это не система памяти для LLM. Не система навыков. Не вики или база знаний.
Это система управления, которая использует языковые модели как инструменты.
Мозг знает, какие импульсы работают для каких ситуаций, и обновляет это знание на основе реальных результатов.
Проект создан в мае 2026. Текущая версия: v2. Язык: Python.