Aura-1B：CPU 原生的神经符号混合推理系统

核心能力与快速开始

★ 1 · Python

能做什么

神经符号混合推理系统：Llama 3.2 1B Instruct（Q4_K_M，807 MB）+ llama.cpp 作为语言核心；安全 AST 数学求值器（不使用 eval）与 TF-IDF 语义缓存实现 Level 0 精确数学；TF-IDF + 逻辑回归路由器做意图分类；遗传编程（gplearn）符号专家发现精确公式；DuckDuckGo RAG（ddgs，无需 API key）提供实时事实；事实图以 JSONL 三元组存储经网络验证的知识；PAL 处理日期、单位与复合百分比；程序化思维用安全 AST 逐步验证数值推理；纯 Python 迷你 SAT 逻辑求解器处理骑士与骗子类逻辑题；PoT-code 在受限沙箱中执行生成代码并校验断言；CRITIC 校验机制与认知 Agent（任务规划、RAG 压缩、风格清洗、递归调试、人格路由）；LoRA 热插拔（AURA_ADAPTATEURS=1）；自动改进（记录错误答案注入后续提示）；.aef 密封格式与加密分发；硬件自动调参（CPU、核心、内存、AVX2 检测，可选 CUDA/Vulkan 卸载）。

适用场景

在无 GPU、内存约 1 GB 的普通 PC 上本地运行 AI 问答；需要精确可验证答案的数学、日期、单位换算场景；需要实时事实而非训练截止知识的事实性问答；法语与英语双语问答场景；离线或隐私敏感的本地部署；需要密封、带完整性校验与加密分发形态的 AI 交付；希望通过反馈（修正记录、事实图补充）逐步改进而不重训的本地助手。

项目形态

可直接使用的工具

部署方式

本地运行；Windows 提供 PowerShell 一键安装脚本（安装包复制到 %LOCALAPPDATA%\Aura、创建 venv、下载 807 MB 模型并注册 aura 命令）；开发安装使用 uv sync；无 GPU 也可运行，可选 CUDA/Vulkan 加速。其余平台部署条件未说明。

主要依赖

Python 3.11 或 3.12；Windows PowerShell（一键安装路径）；首次需下载 807 MB GGUF 模型；运行内存约 1 GB；可选 CUDA/Vulkan 构建与独立 GPU 用于卸载；具体 API 成本与配额未说明。

使用限制

在深度分析、长尾知识与抽象逻辑上，经过微调的 8B 模型仍更优，这些能力存在于权重中，为路线图目标；.aef 加密只能阻止被动复制，无法抵御有决心的逆向工程；富模式（写作质量）延迟约为 2 倍，参考机器上长文写作耗时 66 秒；模型仅支持法语与英语；LoRA 微调、MEMIT 事实编辑、lm-evaluation-harness 评测、Hugging Face 发布均在路线图中尚未完成。

许可证

MIT

最近推送

2026-09-22 03:31

资料检查：2026-09-22 07:00 · 卡片整理：2026-09-22 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

在无 GPU 的本地机器上运行 CPU 原生的神经符号推理系统，用于精确数学计算、事实检索和代码生成验证；其 PoT-code 模块可让 1B 模型编写函数与断言并在沙箱中执行，失败的断言不会交付代码，适合辅助代码编写与排错。

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