NUCLEU DE INTEGRARE · OPEN-SOURCE · PYTHON

Un cadru stabil pentru LLM-uri în sisteme reale.

ATM (Agentic Thinking Map) este un nucleu de integrare pentru sisteme agentice. Păstrează contextul, rolurile, dovezile și tranzițiile ca structură explicită, astfel încât modelul să-și folosească liber capacitățile fără să amestece sensurile, stările și autoritatea. Harta nu generează, nu rescrie și nu influențează ce produce modelul — verifică doar, înainte și după, dacă mutarea propusă e permisă.

Explorează produsul Integrează biblioteca

Python 3.12+ · MIT · zero runtime dependencies

LOCAL TRAVERSAL SLICE SEMANTIC FRAME

context: deploy_decision
state: review_ready
candidate: verify_release_gate
evidence: current / 3 hops
gate: satisfied
outcome: CONTINUE

{"kind":"CONTINUE","can_fire":true}

CINE SUNTEM DE FAPT

“All speech is vain and empty unless it be accompanied by action.”
— Demosthenes

Suntem developeri — construim multe lucruri, iar ăsta e doar unul dintre ele. Suntem mândri de el. Nu suntem un brand construit în jurul lui.

NU DESCRIEM, ARĂTĂM

Motorul chiar decide asta, în timp real.

Mai jos rulează motorul real de decizie step(), pe patru trasee reale, testate: recuperare din lipsă de dovezi, așteptare cu PendingInput/AWAIT, autorizare legată de stare cu MoveIntent și AuthorizationReceipt, și distincția directă dintre ABSTAIN (poartă nedecisă) și BLOCK (refuz explicit). Fiecare ramură pe care a cântărit-o e desenată — nu doar cea aleasă.

fpf-agentic-thinking-map / ARCHITECTURE.mdVezi și traseul continuu, mai vizual →

DE CE EXISTĂ ASTA

N-am pornit de la o teorie. Am testat-o.

FPF (First Principles Framework) e cadrul de la care am plecat — 51.000 de rânduri, gândite pentru un cititor uman, nu pentru un model la runtime. Motivul e simplu, nu o poveste de vânzare: modelul are nevoie de mai puțină semantică la runtime, nu de mai multă — traversarea în sine nu e semantică, e logică. Modelul rămâne complet liber în generare și în raționament; ce nu facem e să-l punem să raționeze despre propriul raționament, la nesfârșit, fie că asta i-ar amplifica sau i-ar strica rezultatul — pur și simplu nu se întâmplă. El ține minte starea și aplică, singur, o logică simplă, tip FPF, asupra propriei mișcări următoare — fără gunoiul de traversare care se adună când semantica grea intră în buclă.

4.668,8×mai mic decât spec-ul FPF brut, complet

288,7×mai mic decât chiar fragmentul exact citat din spec, per decizie

80%din cazurile testate au ieșit corect — față de 40% pentru fragmentul brut

Măsurat cu tiktoken și rulări live, nu estimat. · Metodologie completă (TRIPLE_TAX_CALCULUS.md) ↗ · Citește raționamentul complet →

PRINCIPIUL PRODUSULUI

Modelul (LLM) rămâne liber în generare. Sistemul își păstrează doar cadrul.

Nu ajustăm sensul a ceea ce scrie utilizatorul, și nu punem modelul să raționeze despre propriul raționament. Partea grea — ținerea minte a stării, regulilor și dovezilor pe mai mulți pași — trece în cod, la runtime, pornind de la o constatare pe care modelul o semnalează singur, ca rezultat tipizat, nu ca text în plus. Așa o buclă care caută o soluție nu-și tot umple traseul cu semantică redundantă.

NUCLEU DE INTEGRARE

Structura dintre LLM și sistem

Harta oferă fiecărui pas exact cadrul operațional necesar: unde se află agentul, ce știe, ce poate face și ce condiții trebuie îndeplinite. Integrarea devine inspectabilă, extensibilă și compatibilă cu modele, domenii și fluxuri diferite.

Nu input-ul utilizatorului și nu generarea modelului (LLM) sunt puse sub semnul întrebării — pe alea nu le atingem. Ce mutăm în cod, la runtime, e sarcina cognitivă a semanticii grele: o constatare pe care modelul o semnalează singur, după propria inspecție, ajunge un rezultat tipizat, nu text în plus. Modelul rezolvă asta prin cod, nu adăugând semantică inutilă în rulare — așa o buclă care caută soluții nu-și umple traseul cu gunoi în plasa de text generată.

N-am renunțat la semantică — am mutat-o. Spec-ul brut nu încape în nicio fereastră de context practică și costă bani reali pe fiecare pas. Soluția n-a fost să tăiem sensul, ci să-l transformăm într-o hartă de traversare pe care modelul o parcurge singur: își păstrează generarea, raționamentul, tot ce e al lui — dar aplică, el însuși, restricțiile logice asupra propriei mișcări următoare.

Un cadru stabil pentru LLM-uri în sisteme reale.

“All speech is vain and empty unless it be accompanied by action.”
— Demosthenes

Motorul chiar decide asta, în timp real.

N-am pornit de la o teorie. Am testat-o.

Modelul (LLM) rămâne liber în generare. Sistemul își păstrează doar cadrul.

Structura dintre LLM și sistem

Model

Execuție

Arhitectură

Dovezi

Evaluare

Referință

Un cadru stabil pentru LLM-uri în sisteme reale.

“All speech is vain and empty unless it be accompanied by action.”— Demosthenes

Motorul chiar decide asta, în timp real.

N-am pornit de la o teorie. Am testat-o.

Modelul (LLM) rămâne liber în generare. Sistemul își păstrează doar cadrul.

Structura dintre LLM și sistem

Model

Execuție

Arhitectură

Dovezi

Evaluare

Referință

“All speech is vain and empty unless it be accompanied by action.”
— Demosthenes