Home

🎯 欢迎来到 Unigen

让 LLM 自己规划出逼近人类设计的任务序列——并保证可执行。

当前已验证:人类设计工作流 → 编译为 Agent → 弱模型稳定执行。 终极目标:LLM 自己完成"设计工作流"这一步。

---

论证浓缩(完整论证见 README)

按 README 的探究顺序:

起点:人类是怎么解决问题的?

1. 任务拆分(Plan) 是人类第一反应,今天的 AI(Codex、Claude Code、Cursor、AutoGPT、OpenHands)都在做。Unigen 对应 /plan。
2. 拆分产出执行序列——问题:LLM 拆出来的真的能跑吗?
3. 判断是否可执行,人类做两件事:升阶(把对象归入概念,如"这是 DAG")+ 应用规则(DAG 的可执行性规则)。
4. 把这两步封装成代码,就是 Validator(自命名)。/plan 加上 DAG 可执行性 Validator,弱模型也一定输出可执行结果;而没有 Validator 时,Claude 4.x 复杂规划也可能不可执行。
5. 回过头看:升阶+应用规则就是三段论——逻辑学从一开始就是研究人类思维的学问,我们只是把它工程化。这就是逻辑向 AI。

问题的深度与广度

6. 广度(一个节点需要多个 Validator)不递归,只是可加复杂。
7. 深度才是真难题:"该升阶到哪个概念"本身又是一个 Plan 问题——递归套娃。
8. 从算法角度看,这套娃就是 Horn 消元 / SLD 归结——在规则库里搜证明路径。经典符号 AI 早就在做。
9. 但符号 AI 六十年卡在同一处:本体空间从哪来?(Cyc、OpenCyc、SUMO……手工太贵,自动质量差)。
10. 让 AI 动态扩充本体空间的想法在近年重新被拿起,但一致性维护困难——哥德尔不完备定理可能是理论上的天花板:形式系统封闭不了自己。
11. 于是问题变成:让一个 Agent 稳定运行,最少需要多大的本体空间? Unigen 正在尝试若干方向探究这个"最小",都是开放研究。

转折:研究可以继续,现实中有条路已经通了

12. 每个正常人都有本体空间——领域专家脑里的知识就是现成的本体空间。
13. 当前已验证的方法:面对任意人类智力工作流,做三件事——① 拆节点;② 人工升阶;③ 写 Validator(代码/LLM+RAG+Rerank/LLM 评审)。三件事做完,任意工作流变成稳定 Agent,弱模型也能稳定执行。方法本身可独立于 Unigen 使用;Unigen 是这套方法的便利工具集(Validator 框架、/plan、工作流工坊、反思助手、若干测试代码)。
14. 张力:专用方向(今天就能出可商业化 Agent,但靠人力铺领域) vs 通用方向(一次突破所有领域受益,但最小本体空间尚未清晰)。
15. 终极目标:基于持续成长的本体空间的通用递归规划器。

---

当前已验证的方法(可独立于 Unigen 使用)

面对一个反复做的人类智力工作流,做三件事:

1. 拆解为节点(写成人类看得懂的《岗前培训手册》)
2. 对每个节点,人工做"升阶"——判断属于哪个概念,需要哪种规则
3. 为每个节点撰写 Validator(代码校验 / LLM + RAG + Rerank / LLM 评审)

三件事做完,任意工作流就变成稳定 Agent——即使跑它的模型比设计时更弱,质量仍稳定。

Unigen 是这套方法的便利工具集:Validator 框架、DAG 可执行性 Validator(/plan)、工作流工坊、反思助手、若干测试代码与 demo。

完整描述见 README 第三节。

---

Unigen 的张力:专用 vs 通用

方向	做什么	优点	难处
路径 A:专用方向	选领域,召集专家,把工作流+Validator 写好	今天就能出可商业化的高质量 Agent	领域太多,扩展靠人力
路径 B:通用方向	让 LLM 自己学会如何把工作流拆好+Validator 写好	一次突破,所有领域受益	最小本体空间理论尚未清晰,工作量浩大,处于研究阶段

当前选择:两条路同时推。路径 A 已有可交付成果,路径 B 是终极目标。

---

阶段

阶段	状态	含义
0. 人工设计工作流 → 编译为 Agent	已验证	证明路线可行
1. DAG 可执行性 Validator	已实现	LLM 规划一定可执行
2. 多维 Validator 集	进行中	质量、成本、领域规范
3. 本体空间自动积累	研究中	跨任务复用规则
4. 通用递归规划器	目标	一句需求 → 可执行 Agent

---

我是哪种用户

普通用户:用现成 Agent 做事

→ 快速开始 → 运行工作流

领域专家:把工作流做成 Agent

→ 工作流开发总览 → 公众号软文完整例子

通用方向研究者

→ 逻辑向 AI → 自改进的边界 → 路线图

---

当前能跑的东西(0.0.3-pre-alpha)

能力	说明
产品说明 → 产品电商图	推荐第一个体验,链条短
剧本 → 视频	弱模型稳定,视频 API 贵建议先停在提示词
工作流工坊	编译《岗前培训手册》为新项目类型
/plan	LLM 自动规划,当前仅 DAG 可执行性验证
/prism	多视角推理,详见 Prism

---

🤝 参与

最需要的贡献:

• 领域专家分享一份《岗前培训手册》——路径 A 最有价值的资产

• 用真实复杂任务跑一遍,反馈失败案例——路径 B 本体空间积累的原料

• 提 Issue

• 路线图