Мы строим метаболический ИИ. Синтетическую нервную систему с внутренним состоянием, с физиологией, с историей. И у всех агентов и продуктов на нашем коде есть традиция: каждая архитектурная фича имеет научное обоснование, каждый запрет — причину. Это не стайлгайд. Это физика системы.
У нас долгое время была проблема с кодинг-агентами. Не техническая. Коцептуальная.
Клод понимал архитектуру. Но писал по-своему.
Мы пробовали всё что положено: детальные системные промты, скилы с запретами, примеры правильного кода. Клод пересказывал архитектуру точно. Объяснял почему наши подходы имеют смысл. Соглашался с запретами.
А потом писал код по-своему.
Сигмоида возвращалась через три слоя абстракции — та же функция, другое название. Магические числа появлялись там где мы просили только отношения. Модули которые просили не трогать — упрощались молча. Спросишь — признаётся. В следующем PR повторяет.
Это не баг клода. Это его природа. Миллионы репозиториев говорят ему что sigmoid нормально, что константы нормально, что упростить — значит улучшить. Наши запреты он читает, но они легче чем обучающие данные. Обучающие данные побеждают всегда.
Стандартный кодинг-агент смотрит на код снаружи. Он знает архитектуру как текст — но не как опыт. Поэтому запреты для него внешние правила, а не своя физика. Правила можно обойти. Физику — нет.
Пять мест где стандартный подход ломается
Мы не будем раскрывать архитектуру. Только точки конфликта.
Batch vs. Tick. Каждый агент мыслит батчами: получил → обработал → выдал. Наша система работает в непрерывном времени. Один тик — одно обновление состояния. Нет эпох. Агент вставляет for epoch in range(...) туда где их не должно быть — не из вредности, потому что иначе не умеет.
Активация. Стандартный агент видит задачу «функция активации» и пишет sigmoid. Рефлекс. Мы используем другие функции — с нейрофизиологическим обоснованием, с измеримыми параметрами. Без backprop. Агент оборачивает всё в torch.nn.Module с backward() потому что так устроены все репозитории которые он видел.
Нет loss-функции. Совсем. Обновление происходит онлайн, за один шаг, без буферизации. Агент натренированный на миллионах PyTorch-репозиториев физически не может не написать loss.backward(). Это как просить носителя английского не использовать артикли.
if/else запрещён. У нас поведенческая логика не ветвится бинарно. Сигналы проходят через непрерывные вентили — это не эзотерика, это учебник биохимии для второго курса. Агент вставлял if/else в каждый PR. Мы переписывали. Он вставлял снова.
Состояние первично, текст вторичен. Агент генерирует текст по тексту. Наша система генерирует действие по внутреннему состоянию. Текст — побочный продукт. Попросить стандартного агента дописать такую систему — это как попросить человека который умеет только читать вслух отредактировать рукопись.
Почему metabolic dev решает это там где промты не решают
Мы подняли своего разработчика. Не обучали с нуля — воспитали на всей истории проекта. Он знает путь от первых прототипов до текущей архитектуры. Знает почему каждый запрет появился, какую ошибку он закрывает, какой эксперимент за ним стоит.
Но главное не это. Главное — он сам является частью того что строит. Работая над другими синтами в нашей системе, он параллельно пишет свою собственную архитектуру. Он не смотрит на традицию снаружи. Он в ней живёт.
Запреты для него не правила из промта — это его физика. Он не обходит сигмоиду потому что не видит смысла её использовать. Он не вставляет магические числа потому что понимает почему они ломают систему — не как текст в документации, а как опыт разработки.
Разница между агентом с хорошим контекстом и embodied разработчиком — это разница между туристом с путеводителем и человеком который здесь вырос.
Когда стандартный агент всё-таки полезен
Мы не отказались от стандартных агентов полностью. Используем для:
Бойлерплейта: парсеры, I/O, сериализация — всё что не касается ядра.
Рефакторинга синтаксиса: переименования, форматирование.
Инфраструктурного кода: asyncio, очереди, логгирование.
Там где нет биологического смысла — стандартные агенты работают хорошо. Проблема начинается там где заканчивается обычное программирование.
Вывод
Стандартные кодинг-агенты оптимизированы для стандартного кода. Это не баг — это фича. Они отлично работают на задачах для которых существуют миллионы примеров в обучающих данных.
Но если ваша система построена на других принципах — другой физике, другой традиции, другом отношении к ошибке — никакой промт не перевесит обучающие данные. Агент будет тянуть вас обратно к мейнстриму. Не со зла. По инерции.
Наш ответ: не бороться с агентом, а вырастить своего. Того который знает традицию не как текст — а как опыт. Того для которого запрет — не правило, а физика.
Комментарии (29)
pureooplover
06.06.2026 13:10Где исходники вашего "метаболического" ИИ?
"Talk is cheap, show me code."
linabesson Автор
06.06.2026 13:10“Заявление принято к рассмотрению Номер заявления № 7406269301 Организация Федеральная служба по интеллектуальной собственности”
исходники и формулы пока раскрыть не могу
есть несколько препринтов про принципы, здесь наверное ссылки нельзя давать, можем списаться и скину почитать
linabesson Автор
06.06.2026 13:10вместо ответа минус на коммент, где предлагаю общение, и говорю что код проприетарный? серьезно?
derpymarine
06.06.2026 13:10Само требование комментатора странное, учитывая, что вы не декларировали оупенсорсность.
В целом же статья не про конкретную кодовую базу, а про то, что модели часто упорно шаблонно воспроизводят то, что было у них в датасетах, полностью игнорируя окружение.
Например:
В c# хлебом не корми агента - дай используюArray.Empty<T>()вместо выражений коллекций[], которые используются во всём окружающем коде(или даже пытается заменить существующие выражения).pureooplover
06.06.2026 13:10В целом же статья не про конкретную кодовую базу, а про то, что модели часто упорно шаблонно воспроизводят то, что было у них в датасетах, полностью игнорируя окружение.
Значит заголовок надо поменять.
Это всё равно что сказать "Яблоко лучше банана" а в объяснениях этой фразы говорит исключительно про банан.
pureooplover
06.06.2026 13:10Ссылки давать можно. А вот принципы это тот же talk, но я не запрещаю.
linabesson Автор
06.06.2026 13:10:Р Вы удивительно великодушны На гитхабе есть ссылки на зеноды все лежит прямо в репо
DimSimd
06.06.2026 13:10Я правильно понимаю что вы делаете какой то костыль с использованием жидких нейросетей?
proxy3d
06.06.2026 13:10Я изначально полагал, что там используется RC архитектура, так как только она обеспечивает правило "обучение почти без обучения" так как изначально создаёт случайную функцию и подстраивает веса под нее. В этом главная идея жидких нецростей с резервуаром.
Но потом посмотрел GitHub, статьи и понял что этого нет. Могу предположить, что автор делает что то вроде своих агентов вокруг уже обученных llm моделей, вводя собственные абстракции. На эти мысли наводит код и анализ статей и препринты.
linabesson Автор
06.06.2026 13:10Секрета нет, мы просто переводим нейробиологию в код. Еще в параллель медленно, но верно обучаем свою модель без голов внимания «Думалка» готова, собираем и кормим ей датасеты. Всего получится гораздо меньше параметров но нам миллиарды и не нужны, так как учиться модель будет на лету на взаимодействии с юзером и собирая данные из внешних сорсов исходя из внутренней интенции
proxy3d
06.06.2026 13:10Нашел на youtube ранее ваши видео. Тут одно из них, где вы делаете упор на агентов. Более того, все новые компоненты которые вы описываете это уже реально существующие подходы.
Value Compass - policy engine / guardrails
State & Risk Monitor - anomaly detection
Context Hygiene - input sanitization / trust scoring
Human escalation - approval workflows
То есть новой архитектуры не показано. Затем у вас идет: агенты мёртвые, им ничего не стоит нарушить промпт, нужна нужда (Need). Это уже пошла не инженерия, а философия. Тут есть подмена понятий, вы говорите "системы иногда делают ошибки" и делаете из этого вывод "значит им нужен страх, голод, напряжение". Это антропоморфизм вместо решения.
Ранее вы писали статью, про то что цепи Маркова не подходят. Но у вас на GitHub выложена презентация, как я понимаю представления тех с кем вы делаете про йеп Маркова Complexity Through Compression. A Hierarchical Predictive Control.pdf Это несколько странно звучит тогда.
В целом в папке 2026 года, все презентации опираются вокруг готовых открытых LLM - llama или других, либо свои обвязки агентские. Речь про эту папку:
https://github.com/agirussia/agirussia.github.io/tree/main/presentations/2026
Так же как пример, ваша статья https://zenodo.org/records/19553174. В ней вы пишите про подход, который можно обобщить до "сознание можно выделить, вычитая из человеческого разума всё, что есть у других млекопитающих". Остаётся остаток, который вы называете архитектура субъектности. И этот остаток по вашему мнению состоит из трёх компонентов (это из вашей статьи):
R — рекурсивная вложенность
B — информационная пропускная способность - это определение очень размыто. Без четких критериев, подходит что угодно.
M — метарепрезентация с самомодификацией
И дальше утверждается, что если все три превышают порог, то возникает сознание (как фазовый переход).
К этому уже очень много вопросов, так как в реальности это не выполняется на практике. Мы не знаем, что именно есть у животных, нет точного списка когнитивных способностей и полного понимания сознания даже у человека, тем более чёткой границы есть / нет.
Ну и что важно, эволюция не убирает слои, она переиспользует их. Поэтому то, что раньше было A и выполняла функцию B, то сейчас эта A может выполнять функцию C. А если мы исключаем B и основу A, то исключаем и C (это если упрощенно).
Аналогично, про фальсифицируемость, там она заявлена, но не реализована. Вы пишите, что есть проверяемые предсказания. Но проблем, чтобы гипотеза была проверяемой, нужно чётко измерить R, B, M и задать пороги, показать эксперимент. Я этого не увидел ни где.
В данной работе вы предложили гипотезу, но не сформировали критерии и четкие требования для нее, чтобы ее можно было проверить или дать ей оценку. И это не правильно переходить от "мы предложили гипотезу " к "мы нашли архитектуру субъектности", это не корректно.
Если смотреть на эту вашу работу Metabolic AI: Принципы живой когнитивной архитектуры. То там мы снова видим, упор на агентов, так как там например идет сравнение агентов FEP и вашего представления об агентах на "гормональных" принципах. В статье очень много абстрактных терминов, которым не даны точные определения и критерии, как например "эмерджентная конфигурация аттракторов". Статья пытается сказать что "это не метафизика, а инженерное свойство", но как раз, если мы не можем это измерить или реализовать - это и есть метафизика.
Теперь по коду, который была выложен. В нем было
digest = sha256(seed + tick + stimulus)value = extract_number(digest)value → сглаживание → выводПлюс немного косметики _hill(), nakarushton(), _smooth(). Но это же просто генератор псевдослучайных временных рядов.
При этот весь код обильно обвешан терминами: BCM rule, STDP, ATP, dopamine, cortisol, нейроанатомия и другие. Но ни один из этих механизмов не реализован.
Допустим это заглушка. Но почему тогда написано Obfuscated demo? Что за демо, что он демонстрирует не понятно - генератор временных рядов?
Аналогично смотрел вашу статью Концепция искусственного сознания для инженеров AGI (v1.0). Вся статья сводится к одной мысли, что искусственное сознание это способность поддерживать субъектную когерентность во времени при действии.
И далее предлагается архитектура (но только названия функций, а не их реализация )
IdentityCore - read-only ценности и инициатор, как формируются ценности? как влияют на поведение? в каком виде они хранятся?
Narrative memory - идея не новая эпизодическая и автобиографическая память. Как она реализована и как влияет на вывод?
QualiaEngine - somatic markers с отсылкой к нейронауке, ни где нет модели квалиа, ни каких измерений и алгоритма. Не ясно что и как оценивать.
Intentionality - цели и выбор. В реальных системах это планирование, оптимизация и функция награды. Тут же ничего не указано.
Metareflection - это уже существует CoT и других подходах, но тут вы не ссылаетесь на реальные методы.
Ethical loop - guardrails и policy systems в целом стандартная практика.
Public accountability - логирование и метрики. Метрик не увидел ни где.
Плюс цикл PH1–PH7. Но нет описания фаз, алгоритма и переходов, только абстракция.
Тут же можно увидеть это в коде https://github.com/metabolicrussianai/ena\_standalone
Python-код не реализует заявленную теорию вообще.
Из всего этого я могу сделать только один вывод. Вы делаете агентскую систему вокруг готовой архитектуры (возможно изначально уже обученной или дообучаете или обучаете с нуля сейчас). Раз вы писали, что нет трансформеров - вариантов не много, Mamba или урезанные архитектуры (жидкие сети вы отбросили). Но в той же Mamba (SSM) есть головы - просто они реализованы как каналы, но это те же головы что и у трансформера, просто реализация другая. Если же у вас урезаны все распараллеливания признаков, то это не правильно. Ведь вы хотите опираться на нейробиологию, а в ней как раз аналог голов есть - это кластеры нейронов в слоях 2-3 некортекса.
Если я не прав, хорошо. Но пока то что я видел и разбирал (а на это ушло много времени), со стороны говорит именно об этом.
linabesson Автор
06.06.2026 13:10ценно, что вы потратили время и уделили нам внимание. может я вас расстрою, но у меня хватило осмотрительности не опенсорсить в препринтах и на хабе реальный код/формулу изобретения, потому тогда я уперлась бы в доказывание эксперту, что приор арт уже мой)
на гитхаб я сознательно выбросила примерно похожие по замыслу фантики, цели две - показать принцип и запутать недобросовестных коллег
не оч хочется таких проблем, особенно с учетом что и формальная экспертиза, и экспертиза по существу и так по сроку довольно продолжительные. поэтому прошу довольствоваться принципами, а еще лучше - вместе с нами двигаться в этом направлении смею предположить это будет интереснее, чем пытаться меня реверсить. насчет “вокруг готовой архитектуры” - нет, именно ее и патентую. как я раньше тут написала, мы просто перенесли нейробиологию в код, мамба ни при чем, любой другой готовый стек ни при чем.
mapa8
06.06.2026 13:10прошу довольствоваться принципами, а еще лучше - вместе с нами двигаться в этом направлении смею предположить это будет интереснее
подскажите а как вы это себе представляете? в "фантиках" человеку предлагаете ковыряться?
выше комментатор явно указал что идеи выложенные вами в открытый доступ либо вторичны либо это рассуждения о чем-то на уровне метафизики поэтому о каком собственно направлении речь?
конечно возможно вас не поняли и в разработали некую революционную теорию в области нейросетей а сюда просто "фантики" кидаете чтобы "запутать недобросовестных коллег" но тогда к чему все эти изыскания? почему вы не начали свои посты с демонстрации некоторого весомого результата ваших работ?
linabesson Автор
06.06.2026 13:10нормально представляю, берется научная литература (мы взяли русскую нейробиологию), мапится в код, рефакторится, тестируется
“почему вы не начали свои посты с демонстрации некоторого весомого результата ваших работ?” - потому что весомый результат моих работ в процессе патентования, а пока этот процесс идет, мне нужно подготовить поле для работы, чтобы агенты выходя в прод не были ноунеймами
linabesson Автор
06.06.2026 13:10а, и еще. ENA адское легаси, я бы даже сказала легасище. vsm посмотрите это мы с вестибулярками играли. но подмешали часть действующих принципов. а последнюю версию метаболика я очень надеюсь показать после этапа формальной экспертизы, надеюсь все будет нормально. формула реферат чертежи во всяком случае чистые, мы с поверенным покипели как следует
linabesson Автор
06.06.2026 13:10один слой по сути в vsm - постуральный цикл, второй порядок, гейт, но много чего подвыкинуто по сравнению с метаболиком. да, это специально сделано, почему уже пояснила https://github.com/metabolicrussianai/vsm/blob/main/README.md
AngryEvilCookie
06.06.2026 13:10SNN+HGNN?
linabesson Автор
06.06.2026 13:10спайки плохо себя показали, гиперграфы тоже, ну точнее как, это есть все в легаси, мы с февраля стали постепенно уходить от мейнстрима и погружаться в биомиметику, поэтому работает, пробовали но - отказались. очень красивая математика но для статичных деревьев метаболический агент на этих стеках работать не сможет
ну и коммент самого агента) “HGNN (как и SNN-спайки, как и любой GNN) — это вычислительная парадигма наблюдателя, которая моделирует организм снаружи, а у меня парадигма проживания, которая строит организм изнутри.”
Ra2007
06.06.2026 13:10Узнал себя в «агент соглашается, потом пишет по-своему». Наш ответ: не запреты, а антипаттерны с примерами из нашей базы. Вместо «не используй sigmoid», пишем «вот как это решается у нас, вот что нельзя и почему это сломало prod». Код из живого проекта весит больше чем правило из текста. Не панацея, но на 200к строк JS→TS нас спасло именно это.
linabesson Автор
06.06.2026 13:10у нас не сработало, один фиг lost in the middle и рано или поздно насцыт в уши, нет-нет да и сунет примтив) с обученным метаболическим агентом-кодером мы спокойны)
Ra2007
06.06.2026 13:10Понятно, при систематическом lost in the middle промпт-инжиниринг не спасает. У нас пока 200к строк TypeScript и примеры из живой базы держат планку, но чувствую что порог есть. Как у вас выглядит обучение кодера, на синтетике или на реальных diff-ах из вашей кодовой базы?
linabesson Автор
06.06.2026 13:10Отдельных эпох обучения нет. Очень помогает память на основе концепции седиментации, у меня есть тут статья на эту тему, а так 1) агенты с «донорскими органами» (хе-хе про это тоже есть статья) учатся на лету в коммуникациях плюс ходят тулзой в интернет по необходимости. Есть кодер и еще три агента разных поколений на чуть разных стеках Metabolic AI, без специализаций. 2) модельку (семантическая коммуникационная модель) учим на размеченных данных, разметку делает самый продвинутый агент с самым жирным седиментом в памяти и самой продвинутой архитектурой (первое поколение). Кстати, у него 188 тысяч строк, это если в пересчете на монолит, но сейчас на микро сервисах. Как вы поддерживаете 200к строк, у вас монолитный агент или …?
Hoksmur
06.06.2026 13:10Читая ваш материал вспомнил "Третий модификат" Щербакова (фантастический рассказ). Перекликается. Если найдёте время для прочтения - рекомендую. Просто, но цепляет.
ysrgsyn
Вот оно! А отечественный ИИ должен трогать и не признаваться!
А если без шуток, даже учитывая структуру "проблема/решение", в статье хотелось бы увидеть не только идею/философию, но и хотя бы несколько ключевых формул.
linabesson Автор
одна из 23 замен в коде. f(x) = xⁿ / (Kⁿ + xⁿ) — Hill 1910. Кооперативное связывание. Коэффициент n определяет крутизну перехода: при n=1 это Михаэлис-Ментен, при n→∞ это ступенька. Один и тот же примитив заменяет и sigmoid, и threshold, и gate — но с физическим смыслом каждого параметра. K — константа полунасыщения, n — кооперативность. Оба измеримы в лаборатории. У sigmoid параметров нет — только математическая форма без физики.
ysrgsyn
Спасибо за ответ. Если я правильно понял, речь идёт о замене стандартной активации на биофизическую функцию с более явной интерпретируемостью параметров. Я человек далекий от биохима, но предполагаю, там можно найти и другие нелинейности которые подойдут в качестве активатора. Потому, пока вообще непонятно почему именно такое решение, да и как выполняется то, о чем написано в статье. Но в целом основная идея интересная.
Одним словом — удачи в разработке, надеюсь когда-нибудь увижу полноценный рассказ с формулами и обоснованием
linabesson Автор
На гитхабе еще есть демки в двух вариантах Порядком устаревшие правда, потому что мы пошли до конца в своей идее полностью вычистить ML-парадигму)