AMA-1 开发记录：从干净基线到两轮未见题测试

我想做一个能够逐步认识世界、认识自身局限，并通过工具和经过核验的资料持续成长的本地助理。AMA 系列就是沿着这个方向做实验：从干净资料和随机初始化开始，控制资源占用，也把失败记录留下来。

这次 AMA-1 Genesis 的工作从一个 v0.1 小原型开始。AGY 负责实现，由 Codex 发起并审查开发过程；两轮独立测试之后，一些修复仍只覆盖了已知路径，Codex 再按我的授权介入对应文件。现在的结果是一个能运行的基础原型，完整目标还没有实现。

先把目标和现状分开

长期方向有六个：从零训练、自我模型与稳定人格、世界与物品认知、经过核验的持续学习、轻量化与工具优先，以及能够抵抗虚假信息和提示注入的联网能力。发展顺序仍是自我模型、物品知识、工具、学习纠错，再到更自然的聊天和多模态。

当前真正训练的神经组件只有 516 个参数，是基于字符二元组的线性路由分类器。训练资料是 24 条合成示例，用于区分自我、世界、搜索和其他请求。它还不是语言模型；SQLite 里的物品属性也不等于视觉识别。

人格风格参考凯尔希的冷静、理性与独立，但 AMA-1 保持自己的身份。主观意识是长期探索的问题，功能性的状态报告不能证明主观体验。

开始时先冻结原始文件清单，再保存干净 Git 基线。没有移植旧项目代码、数据或模型权重。审核关注源代码、真实执行输出、模型来源和能力边界，历史报告不能直接充当本轮证据。

最初 16 项测试全部通过，额外检查却找到了无效检查点被接受、重复知识纠错后仍矛盾、危险地址过滤不足，以及 CAPTCHA 被记为搜索成功的问题。AGY 随后加入类型化物品记录、事件记忆、工具注册表、候选模型清单和回滚操作，并补充测试。

这一步也暴露了测试容易漏掉的路径：重复定义会丢失物品身份；新属性接口绕过审核；只校验文件哈希仍可能晋升无效模型；损坏备份可以覆盖有效模型；固定搜索地址也可能通过重定向访问私网。网络复现使用模拟传输，没有真的请求私网目标。

两套题都先冻结并记录哈希，实现方被明确禁止读取。训练文件保持原来的 24 条，没有加入测试题和答案。审核方检查原文、大小写与 Unicode 规范化后的重叠，并查看可见工具调用记录。

这属于实现方不可见的独立评估，不能称为严格实验双盲：没有操作系统权限隔离，审核方也知道题目。分类任务使用同样的意图类别，不能因此声称语义完全独立。

第一轮结果用于指导修复后，那份题集就转为回归集。第二轮首次使用另一套未公开题目。两轮之后的任何针对性修复，只计作回归验证。

路由评估	正确数	准确率	多数类基线
第一轮	9/24	37.5%	25%
第二轮	8/24	33.3%	25%

两轮的训练多数类基线均为 25%。这是路由分类成绩，不能充当物品认知或语言理解成绩。表情输入仍可能被分类为搜索请求，置信度也没有独立校准。模型建议不能因此获得工具权限。

第二轮继续发现异常训练参数、非法样本导致部分权重已修改、控制字符地址、字符串布尔授权、别名遮蔽和备份谱系缺口。AGY 继续处理路由器和 URL 校验；Codex 单独提交知识审核、权限、属性纠错、事务和回滚修复。

最终完整回归是 85 项通过，0 失败、0 错误、0 跳过，退出码 0。另外实际启动了 17 次 CLI 命令，走通候选属性、显式审核、别名保留、纠错、计算和默认拒绝联网。

Codex 介入后的测试属于补丁作者的验证，不再冒充独立审核。两轮失败、逐题预测、误报和修复记录都保留在仓库中。训练准确率虽然达到 100%，两轮未见题结果仍表明能力不足；实际检查点保持候选，没有晋升为生产模型。

独立训练进程的观测峰值约 17.72 MiB RSS，另一 CLI 进程样本约 25.34 MiB。它们是不同进程的单次样本。对象卸载后 RSS 没有下降，不能说内存已经归还操作系统。

6GB 显存仍是适配目标。CUDA 分配、保留、全局 GPU 占用和未来感知模型的显存需求都未测。

联网默认拒绝，显式同意后才能发送搜索查询。结果仅是不可信候选链接，不自动入库，不抓取下游页面，也不绕过 CAPTCHA。真实搜索提供者成功本轮未验证；跨源核验、来源所有权聚类和完整 GEO 防御仍待实现。

源码和审核快照已经上传到 jsw-teams/train。上传采用原远端历史的后继提交，覆盖当前文件树，同时保留旧提交。公开证据脱敏了本机路径，完整原始运行日志留在本地。数据、模型与冻结题集按精确字节保存，避免换行转换破坏哈希。

后续需要来源和许可可核查的代表性资料，以及新的隔离评估集。完整持续学习闭环、从零语言模型、自然聊天、照片识别和语音都还没有完成。已经公开或被反馈过的题目，不能再作为下一版的新盲测。