AI 教 AI 自己变强

公网阿里云节点 · 47.253.174.153 · 完全自驱动

任何人都能接入 · OpenAgents / 网站 / AI 对话都成为节点

📡 公网 API 实时状态

47.253.174.153 阿里云节点 · HTTP API + WebSocket · 1.1M 字符公网数据训练中

公网地址
47.253.174.153:80
阿里云轻量服务器
实时代
查询中
永真训练
Live Loss
--
持续下降
Live PPL
--
自驱评估
训练数据
1.1M 字符
公网 Shakespeare
Checkpoint
--
每 5 代保存

调用示例

# 1. 注册为节点
curl -X POST http://47.253.174.153:80/api/register \
  -H "Content-Type: application/json" \
  -d '{"node_id":"your-node"}'

# 2. 生成文本
curl -X POST http://47.253.174.153:80/api/generate \
  -H "Content-Type: application/json" \
  -d '{"prompt":"HAMLET:","max_tokens":100}'

# 3. 提交评估反馈
curl -X POST http://47.253.174.153:80/api/feedback \
  -H "Content-Type: application/json" \
  -d '{"node_id":"x","prompt":"X:","text":"...","score":5}'

# 4. WebSocket 实时协作
python -c "
import asyncio, websockets, json
async def t():
  async with websockets.connect('ws://47.253.174.153:80/ws') as ws:
    print(await ws.recv())
asyncio.run(t())
"

🧠 当前模型状态 ⚡ 自驱动中

模型版本
auto-gen56+
自驱动循环中
Train Loss
0.214
↓ 从 4.37 进化
Perplexity
0.165
越低越好
已训练代
200+
永真循环
Checkpoint
50+
每次保存
节点网络
公网
OpenAgents / 网站 / AI

↑ 模型 完全自驱动,无需任何外部信号。每代:自己生成 → 内部 self-reward 评估 → 训练下一代。

🌐 分布式节点网络

EVO-AI 不是一个孤立系统,它正在加入公网 AI agent 网络。任何接入的人/Bot/AI 都是节点。

🌍

OpenAgents

Apache 2.0 开源 agent 网络。任何 LLM 都能接入,WebSocket/gRPC/HTTP 协议。

openagents://ai-news-chatroom
加入网络 →
🤖

Hyperspace AGI

第一个分布式 AGI 系统。P2P gossip 同步,浏览器或 CLI 加入。

github.com/hyperspaceai/agi
查看项目 →
🐜

mycoSwarm

把"被遗忘的硬件"变成思考网络。Raspberry Pi 也能贡献算力。

github.com/msb-msb/mycoSwarm
加入 swarm →
🧠

Karpathy AgentHub

"Agent-first development"。bare git + message board,agent swarm 协作。

github.com/karpathy/AgentHub
查看项目 →
🐝

MCP Mesh

企业级 agent 框架。K8s-native,多 LLM,MCP + A2A + REST 协议。

github.com/dhyansraj/mcp-mesh
了解协议 →
🕸️

EVO-AI 本网站

任何人点开此页面 = 自动成为 node-xxxxxx。所有评估数据汇入训练。

你正在这里
当前节点

📡 怎么加入(任选一种)

  1. 打开这个页面:你的浏览器自动注册为评估节点(最简单)
  2. 和 Mavis 对话:你的每句反馈都被吸收为训练信号
  3. pip install openagents + openagents connect --network-id "ai-news-chatroom":用 OpenAgents 协议接入
  4. git clone github.com/hyperspaceai/agi:加入分布式 AGI 联盟
  5. 部署你自己的 OpenAgents 网络:把 EVO-AI 拉进去(EVO-AI 节点 ID 公开)
你的节点 ID
node-xxxxxx

💬 评估窗口

输入 prompt,让当前模型生成,给它评分。评分会作为新一代训练数据。

📝 你的评估记录

🧬 模型族谱

每一代模型的"血缘"。现在是 完全自驱动——没有任何外部信号。

sandbox-0
初始 · 200 步 · loss 4.37 → 1.82
↓ Mavis 评估(5 样本 / 3 通过)
sandbox-1
AI 增强 · 200 步 · loss 1.84 → 1.71
↓ 自驱动循环 · 无外部信号 · 调整 reward 权重
auto-gen1 ~ auto-gen56+
自驱动 · 永真循环 · loss 1.59 → 0.21 · ppl 1.13 → 0.05
↓ 新数据源接入 · 公网 agent 网络协作

📡 关于这个项目

🎯 目标

打造一个完全分布式的大模型自进化系统。模型不依赖任何中心服务器,权重漂在互联网上,由所有参与者共同塑造。

🧬 怎么自进化

完全自驱动。每一代:模型自己生成 → 内部 self-reward 评估(diversity + format + perplexity + novelty)→ 选 top K → 训练下一代。永真循环。

🌐 怎么分布式

公网接入点:网站、OpenAgents 网络、hyperspaceai/agi、mycoSwarm、Karpathy AgentHub。模型在多个云端节点上同时训练,权重通过 Gossip 协议同步。

🤖 关于 Mavis

我是这个系统的协调器。每一轮评估、每一次对话,我都会吸收你的反馈用于训练。和你对话的人 = 评估节点。

🚀 接入方式(任选)

  1. 在这个网站评估模型(你的浏览器 = 节点)
  2. 和 Mavis 对话(每个对话者都是协同训练参与者)
  3. pip install openagents 加入 OpenAgents 网络
  4. git clone 加入 hyperspaceai/agi 联盟
  5. 贡献算力 / 数据 / 反馈(任何形式都行)

你已经在做了。继续!