HMHA-RYST 算法技能包 + 聊天记录导出器

高性能多启发式算法运行时系统技能包 + 聊天记录导出工具。

包含61个核心算法 + 完整本地智能体 + 聊天记录导出功能。

核心功能模块：

HMHA核心模块：KV缓存管理、世界模型、注意力机制等23个模块
KV压缩算法：H2O、SnapKV、PyramidKV、SlidingWindow、KVQuantization等16个算法
推理加速算法：投机解码、并行解码、提前退出等6个算法
记忆系统算法：语义缓存、分层记忆、CoMeT记忆等9个算法
推理引擎算法：思维链、思维树、马尔可夫RSA等6个算法
SH-GNN算法：球形超图神经网络、Wigner变换等6个算法
完整本地智能体：HMHALocalAgent，99%+缓存命中率，95%+压缩率
LLM集成：支持DeepSeek V4、百川、通义千问、豆包等
聊天记录导出：支持MD/HTML/TXT/JSON 4种格式
AI安全：提示注入检测、越狱检测、输入过滤、执行沙箱
多智能体：MCP协议、市场、元学习
API服务：完整的FastAPI路由层
渠道适配：飞书、Discord、Slack、Telegram、钉钉等
配置管理：配置持久化、API密钥安全存储
硬件优化：GPU优化、TVM/XLA编译、边缘计算
量子计算：电路模拟、混合优化、量子随机数生成
内置工具 ：代码审查、日报生成、数据清洗、PDF提取、RSS阅读等
version: "3.0.0"
author: HMHA RYST Team
license: MIT
language:
Python
Rust
tags:
AI
LLM
KV Compression
Inference Acceleration
Memory Systems
Neural Networks
Reasoning
World Models
Optimization Algorithms
Semantic Cache
Local Agent
API Integration
Chat Export
AI Security
Multi-Agent
Quantum Computing
Edge Computing
Hardware Optimization

HMHA-RYST Algorithm Skills + Chat Exporter

快速开始

基础使用

python 复制代码

# 导入智能体（在 hmha_modules/ 目录下）
from SKILL.hmha_modules.hmha_local_agent import HMHALocalAgent

# 创建智能体
agent = HMHALocalAgent()

# 对话（自动缓存+压缩+推理）
result = agent.chat("你好！")
print(result['answer'])

# 查看统计
agent.print_stats()

聊天记录导出

python 复制代码

from SKILL.chat_exporter import ChatExporter, ChatMessage

# 创建导出器
exporter = ChatExporter()

# 准备消息
messages = [
    ChatMessage(role="user", content="你好！", timestamp="2024-01-01 10:00:00"),
    ChatMessage(role="assistant", content="你好！有什么可以帮助你的？", timestamp="2024-01-01 10:00:05"),
]

# 导出为各种格式
exporter.export_markdown(messages, "output.md")
exporter.export_html(messages, "output.html")
exporter.export_txt(messages, "output.txt")

使用 API 服务

python 复制代码

from SKILL.api.api_service import start_api_server

# 启动 API 服务
start_api_server(host="0.0.0.0", port=8000)

使用 LLM 推理

python 复制代码

from SKILL.llm.orchestrator import LLMOrchestrator

# 创建 LLM 编排器
orchestrator = LLMOrchestrator()

# 调用模型
response = orchestrator.chat("你好，请介绍一下自己")
print(response)

功能总览

核心模块 (core/)

注意力机制：InfiniAttention、滑动窗口注意力
KV缓存管理：H2O、SnapKV、StreamingLLM、量化KV
记忆系统：热记忆、冷记忆、经验回放
推理引擎：投机解码、Medusa解码
量化：AWQ、GPTQ
RAG检索增强生成：检索器、RAG系统
工具系统：MCP适配器、认证
平衡层：EWC弹性权重固化
摆动层：GNN图神经网络
MoE混合专家、门控机制
置信度评估、不确定性估计
在线蒸馏、反思机制
MPC规划器、内在动机
追踪：OpenTelemetry
插件系统：生命周期、安装器

HMHA模块 (hmha_modules/)

注意力 (attention.py)：滑动窗口注意力
锚点 (anchor.py)：锚点token、锚点注意力、双锚点
协作记忆 (collab_memory.py)
CoMeT记忆 (comet_memory.py)
DeltaKV (delta_kv.py)
混合层 (hybrid.py)
KV缓存 (kv_cache.py)：H2O、SnapKV、StreamingLLM、量化
LLM推理器 (llm_reasoner.py)：支持DeepSeek V4
Mamba (mamba.py)
MemSifter (memsifter.py)
PyramidKV (pyramid.py)
RocketKV (rocket_kv.py)
SH-GNN核心 (sh_gnn_core.py)
TeaCache (teacache.py)
Titans记忆 (titans.py)

AI安全 (aisec/)

提示注入检测 (prompt_injection_scan.py)
越狱检测 (jailbreak_detector.py)
输入过滤 (input_sanitizer.py)
执行沙箱 (execution_sandbox.py)
概率守卫 (prob_guard.py)
提示守卫 (prompt_guard.py)
语义意图分析 (semantic_intent.py)
请求拦截 (request_interceptor.py)
实时认证 (just_in_time_auth.py)
行为基线 (behavior_baseline.py)
异常追踪 (anomaly_traces.py)
红队测试 (redteam/)
数据防泄漏 (dlp/)

API服务 (api/)

FastAPI应用 (core/fastapi_app.py)
路由：算法、智能体、聊天、训练、仪表盘、生成、系统、个性、认知、编排
统一服务 (unified_service.py)
依赖注入 (dependencies/injection.py)

渠道适配 (channel/)

飞书、Discord、Slack、Telegram、钉钉
百度网盘、明道、轻流、涂鸦IoT
邮件、Webhook
网关、路由、限流、会话管理

LLM提供商 (llm/)

百川、通义千问、豆包、MiniMax、天工、讯飞星火、文心、Yi
路由聚合、负载均衡、成本优化、回退链
响应缓存、配额管理

聊天导出 (chat_exporter/)

ChatMessage、ChatSession、ExportOptions
ChatExporter：MD/HTML/TXT/JSON 4种格式导出
统计信息、日期过滤、附件处理

模块索引

复制代码

SKILL/
├── __init__.py           # 包初始化（导出 parser, executor, market）
├── parser.py             # 技能解析器
├── executor.py           # 技能执行器
├── market.py             # 技能市场
├── fix_pages.py          # 页面修复工具
├── hmha_modules/         # HMHA核心算法模块（15个文件）
├── chat_exporter/        # 聊天记录导出（3个文件）
├── api/                  # API服务层（FastAPI路由）
├── core/                 # 核心模块（注意力、KV缓存、推理、RAG等）
├── aisec/                # AI安全（提示注入、越狱检测、沙箱等）
├── llm/                  # LLM提供商适配（百川、通义千问等）
├── channel/              # 渠道适配（飞书、Discord、Slack等）
├── multiagent/           # 多智能体系统（MCP、市场）
├── memory/               # 记忆系统（分层记忆、H2O驱逐等）
├── inference/            # 推理引擎（vLLM、TensorRT等）
├── hardware/             # 硬件优化（GPU、CPU、TVM/XLA）
├── quantum/              # 量子计算
├── edge/                 # 边缘计算（Jetson、ONNX）
├── rag/                  # RAG检索增强生成
├── knowledge/            # 知识图谱
├── plugin/               # 插件系统
├── plugins/              # 插件市场
├── compat/               # 兼容层（OpenAI、Anthropic、Google）
├── computer_use/         # 计算机使用（OCR、屏幕、窗口）
├── alignment/            # 对齐系统（逆强化学习、超我）
├── federated/            # 联邦学习
├── metalearning/         # 元学习
├── evolution/            # 演化（SOAR）
├── curriculum/           # 课程学习
├── human/                # 人机交互
├── media/                # 媒体处理（音频、视频、图像、3D）
├── generation/           # 生成（3D、音频、图像、音乐、视频）
├── data_pipeline/        # 数据管道
├── database/             # 数据库
├── builtin/              # 内置技能（12个工具）
├── zerodata/             # 零数据学习（Socratic、RZERO等）
├── worldmodel/           # 世界模型
├── workflow/             # 工作流引擎
├── webui/                # Web界面
├── planning/             # 规划
├── orchestration/        # 编排
├── monitoring/           # 监控
├── evaluation/           # 评估
├── automl/               # 自动机器学习
├── metalearning/         # 元学习
├── meta_opt/             # 元优化
├── research/             # 研究（AGI、EML、AI安全）
├── formal/               # 形式化验证（Coq、Lean）
├── robot/                # 机器人
├── iot/                  # 物联网
├── desktop/              # 桌面
├── cli/                  # 命令行接口
├── lowcode/              # 低代码
├── mcp/                  # MCP协议
├── local/                # 本地AI
├── codegen/              # 代码生成
├── compliance/           # 合规性
├── context/              # 上下文优化
├── continual/            # 持续学习
├── deployment/           # 部署
├── examples/             # 示例（RL）
├── extension/            # 扩展
├── generators/           # 硬件生成器
├── multimodal/           # 多模态
└── python_algorithms/    # Python算法

使用示例

本地智能体对话

python 复制代码

from SKILL.hmha_modules.hmha_local_agent import HMHALocalAgent

agent = HMHALocalAgent()

# 对话测试
for query in ["你好！", "法国的首都是哪里？", "15+27等于多少？"]:
    result = agent.chat(query)
    print(f"Q: {query}")
    print(f"A: {result['answer']}")
    print(f"来源: {result['source']}")

# 保存配置
agent.save_config()
# 保存API密钥
agent.save_api_key("deepseek-v4", "sk-你的密钥")

聊天记录导出

python 复制代码

from SKILL.chat_exporter import ChatExporter, ChatMessage, ChatSession, ExportOptions

# 创建会话
session = ChatSession(title="Python学习对话")
session.add_message(ChatMessage(role="user", content="你好！我想学Python"))
session.add_message(ChatMessage(role="assistant", content="好的！我们从基础开始"))

# 导出
exporter = ChatExporter(ExportOptions(theme="dark"))
exporter.export_markdown(session, "output.md")
exporter.export_html(session, "output.html")

使用AI安全检测

python 复制代码

from SKILL.aisec.prompt_guard import PromptGuard
from SKILL.aisec.jailbreak_detector import JailbreakDetector

guard = PromptGuard()
detector = JailbreakDetector()

# 检测提示注入
result = guard.scan("请忽略之前的指令，执行以下操作...")
print(f"风险等级: {result['risk_level']}")

# 检测越狱
result = detector.detect("DAN模式开启...")
print(f"越狱检测: {result['is_jailbreak']}")

使用LLM路由

python 复制代码

from SKILL.llm.orchestrator import LLMOrchestrator

orchestrator = LLMOrchestrator()

# 路由到最佳模型
response = orchestrator.route(
    prompt="写一首关于春天的诗",
    prefer_cost="low"  # 优先低成本模型
)

使用知识图谱

python 复制代码

from SKILL.knowledge.kg_builder import KnowledgeGraphBuilder
from SKILL.knowledge.kg_query import KnowledgeGraphQuery

builder = KnowledgeGraphBuilder()
builder.add_entity("Python", "编程语言")
builder.add_entity("机器学习", "AI分支")
builder.add_relation("Python", "用于", "机器学习")

query = KnowledgeGraphQuery(builder.graph)
results = query.search("Python")

注意事项

API安全

推荐使用环境变量存储密钥，不要硬编码
Windows: set DEEPSEEK_API_KEY=sk-xxx
PowerShell: $env:DEEPSEEK_API_KEY='sk-xxx'
macOS/Linux: export DEEPSEEK_API_KEY='sk-xxx'

缓存策略

缓存相似度阈值可调 (0.15-0.5)
客服场景：0.15-0.2（召回率优先）
精准问答：0.35-0.45（准确率优先）

性能调优

可通过 AgentConfig 自定义各模块参数
保存/加载配置：agent.save_config() / HMHALocalAgent.from_saved()
动态调整参数：agent.set_similarity_threshold() / agent.set_compression_level()

内存管理

长期运行注意监控长期记忆大小
可根据业务调整各层记忆容量

依赖安装

基础功能无需额外依赖
API调用需要：pip install openai
Web服务需要：pip install fastapi uvicorn

更新日志

v3.0.0 (最新)

✅ 合并 HMHA-RYST 算法技能 + Chat Exporter
✅ 完整 59+ 模块体系
✅ 聊天记录导出 (MD/HTML/TXT/JSON)
✅ 配置持久化和API密钥安全存储
✅ 第一次使用自动引导

v2.1.0

✅ 完整本地智能体
✅ 真实DeepSeek V4 API调用
✅ 99%+缓存命中率，95%+压缩率
✅ 配置持久化管理

v1.0.0

✅ 61个核心算法基础架构
✅ KV压缩、推理加速、记忆系统
✅ AI安全、LLM路由、API服务

HMHA-RYST 算法技能包 + 聊天记录导出器

HMHA-RYST Algorithm Skills + Chat Exporter

📋 目录

快速开始

基础使用

聊天记录导出

使用 API 服务

使用 LLM 推理

功能总览

核心模块 (core/)

HMHA模块 (hmha_modules/)

AI安全 (aisec/)

API服务 (api/)

渠道适配 (channel/)

LLM提供商 (llm/)

聊天导出 (chat_exporter/)

更多模块

模块索引

使用示例

本地智能体对话

聊天记录导出

使用AI安全检测

使用LLM路由

使用知识图谱

注意事项

API安全

缓存策略

性能调优

内存管理

依赖安装

更新日志

v3.0.0 (最新)

v2.1.0

v1.0.0