12 小时前 VincentWei
hhd-harness https://github.com/VincentWei2021/hhd-harness Everything is a Plugin. hhd-harness 是对 deepseek-harness （dsh）架构的 Python 全量实现：同样的插件内核（Cordis 语义）、同样的会话事件日志不变量、同样的工具执行把关流水线、同样的轮次/步骤驱动器、同样的 bundle/profile 组合机制，以及 CLI 与 Web 双端应用。运行时为 Python 3.10+ / a...
继续阅读 »2026-08-13 16:13 VincentWei
OpenKG 自主可控的语义知识图谱与决策智能平台 仿照 Semantica 架构实现的完全自主可控知识图谱引擎，支持 Ollama / vLLM 本地大模型，提供 CLI 和 FastAPI 双接口。 核心特性 多源数据接入 ：文件（PDF/DOCX/HTML/CSV/JSON/XML/TXT）、Web、数据库、纯文本 LLM 驱动抽取 ：支持 Ollama / vLLM 本地大模型进行实体识别、关系抽取、三元组抽取 知识图谱构建 ：实体合并、冲突检测、时序图谱、图分析（中心性、社区检测、路径查找） ...
继续阅读 »2026-08-12 14:58 VincentWei
JitRL Sport Agent - 智能运动训练处方生成智能体 基于 JitRL （ICML 2026 论文，arXiv 2601.18510v3）的无梯度强化学习框架，实现智能运动训练处方生成智能体。 核心特性 无梯度持续学习 ：基于非参数记忆库 + Jaccard 检索 + 闭式策略更新，无需微调 LLM 六级约束优先级 ：动作风控 体能调度 肌群间隔 1RM换算 周期控制 时长增幅 多 LLM 后端 ：支持 Ollama、vLLM、Mock 三种后端，无缝切换 知识图谱集成 ：Neo4...
继续阅读 »2026-08-12 10:16 VincentWei
JitRL 智能运动训练处方生成智能体 基于 JitRL（无梯度更新的 LLM Agent 持续强化学习） 技术，结合 六级约束优先级 与 六大标准化业务模块 ，自动生成个性化运动训练处方。 目录 核心特性 系统架构 快速开始 输入参数说明 六级约束优先级 六大业务模块 JitRL 持续强化学习 LLM 后端配置 Neo4j 知识图谱 API 接口文档 CLI 命令 项目结构 核心特性 1. JitRL 无梯度持续强化学习 不同于传统强化学习需要更新模型权重，JitRL 通过以下机制实现 LLM Agen...
继续阅读 »
