← 返回列表

TrinityCoordinator:基于小型模型隐藏态路由的 TRINITY 式 LLM 协调器

nshkrdotcom/trinity_coordinator · TRINITY in Elixir (An Evolved LLM Coordinator): route LLM calls via a small-model hidden-state router + Axon coordination head, with Thinker/Worker/Verifier orchestration and policy loop for acceptance-driven completion.

GitHub原文发布 未知首次收录 2026-10-01上架 2026-10-05 07:04

☆ 收藏查看项目 ↗

ELI5:它是什么,解决什么问题

TrinityCoordinator 是 TRINITY 风格本地小模型路由器的 Elixir/Nx 实现:用量化适配后的 Qwen3-0.6B 读取对话记录,提取隐藏态向量,经路由器头映射到 Agent 与角色 logits,再通过可配置的 provider 边界把选定的工作分发给实际 LLM 提供方,并带有 Thinker/Worker/Verifier 编排与验收驱动的完成策略循环。仓库包含 Elixir 运行时、与原 Python 流水线对比的一致性校验工具,以及从干净 clone 上手所需的 Mix 任务;当前处于活跃开发阶段,在 CUDA 上评测集通过 37/37。

核心能力与快速开始

★ 77 · Elixir

能做什么
实现 TRINITY 式本地小模型路由:用适配过的 Qwen/Qwen3-0.6B 读取 transcript 提取隐藏态向量,由小型 router head 映射为 agent 与 role logits(隐藏态形状 {1,1024}、路由 logits {1,10}、agent logits {7}、role logits {3}),再经可配置 provider 边界分发到实际 LLM provider;包含 Thinker/Worker/Verifier 编排、角色注入、verifier 终止与验收驱动策略循环、JSONL trace 持久化,以及面向 Wworker/Verifier 顺序的 mock provider 演示。另含 Elixir SVD/SVF 重构建、与 Python 流水线的一致性校验工具、HuggingFace bundle 拉取(逐文件 SHA-256 校验)与本地评测/诊断脚本。
适用场景
在 Elixir/Nx 应用中构建小模型驱动的 LLM 调用路由与多 Agent 编排;对固定 transcript 做路由决策的本地评测与一致性验证;在无 provider 预算的情况下用 mock provider 跑端到端编排与 trace 检查;复现或重新生成 Sakana 适配的 Qwen3-0.6B 运行时产物。
项目形态
开发框架
部署方式
以 Elixir Mix 项目形式在本地运行;支持 CUDA(XLA_TARGET=cuda12)、Apple Silicon(EMLX 或 Emily 后端)与 CPU 路径,具体部署条件未说明。
主要依赖
Elixir 与 Mix;依赖 Nx、EXLA、Bumblebee 及若干 nshkrdotcom 兄弟仓库;需要下载约 624 MB 的适配 Qwen3-0.6B safetensors bundle;CUDA 路径需设置 XLA_TARGET=cuda12;其余硬件与 API 成本未说明。
使用限制
项目处于活跃开发阶段;Python 与 Elixir 的最终 bf16 字节一致性仍属目标而非门禁;实机 provider 调用位于显式开关之后;未知部署条件、硬件与 API 成本等限制材料未说明。
许可证
MIT
最近推送
2026-09-30 09:03

资料检查:2026-10-01 07:00 · 卡片整理:2026-10-05 07:00
卡片由 AI 根据仓库资料整理,未进行安装或运行验证 · 本次更新未完成,保留上次成功内容

职业应用

程序员

作为 Elixir/Nx 实现的本地小模型路由器,可用于在开发中把 LLM 调用按对话记录路由到不同 Agent 与角色(Thinker/Worker/Verifier),并通过 provider 边界分发工作;仓库提供 Mix 任务、评测套件与一致性校验工具,便于程序员集成、测试和排错多 Agent 编排流程。

查看内容依据
TrinityCoordinator 是 TRINITY 风格本地小模型路由器的 Elixir/Nx 实现:用量化适配后的 Qwen3-0.6B 读取对话记录,提取隐藏态向量,经路由器头映射到 Agent 与角色 logits,再通过可配置的 provider 边界把选定的工作分发给实际 LLM 提供方,并带有 Thinker/Worker/Verifier 编排与验收驱动的完成策略循环。

官方使用入口 ↗

由 AI 根据来源材料整理,未进行安装或运行验证

这是基于来源内容整理的摘要。原文链接失效后,本页摘要和讨论仍会保留。

讨论 0

登录后参与讨论,阅读资讯无需注册。

还没有评论,来分享第一个看法。