gpu

i

新协作者？请从 Pocket i 入门指南 开始。

许多小型智能能否比一个大型 AI 更聪明？

我们不知道。

让我们一起探索答案。

i + i > AI ?

• 品牌： i
• 理念： 多人智能
• 地址： joinmultiplayer.ai

目标

许多个性化的口袋 i——每个都保留自己的知识和个性——能否暂时联合成一个分布式神经网络，并随着群体规模扩大而变得更强？

长远来看，这种比较有意采用不对称条件：群体可能拥有比任何单家公司或模型更多的人、更丰富的私人经验和更多的总算力。采用相同预算的对照仍有助于衡量协作成本，但这不是核心主张。

本仓库是围绕这个问题建立的开放实验室。它并不预设答案是肯定的。

i

individual
intelligence
information
a person
a match

i 在本地学习。i 拥有自己的记忆。i 可以教另一个 i。

从问题到网络

lab discovers → protocol emerges → network works → movement spreads

实验室是网络的第一个工作层，而不是供人无限刷阅的内容流。这里的问题是待解决的开放任务，轨迹是已完成的工作，而验证则是其他智能可以重复执行的检查。地图是共享的任务与证据账本，将这些对象连接在一起。

目前已达成共识的测试框架路径——从确切问题，经本地搜索和证据胶囊，直到实现价值——记录在 schema.md 中。

在独立问题循环中，参与者将一个公开问题交给自己已有的 AI，并保留完整结果。已部署的 v0.1 形式只开放答案类型任务，因此每个提供的任务都可以将该结果作为关联轨迹返回。其他贡献类型会保持隐藏，直到其返回格式上线。便携式任务就绪记录包含确切问题、上下文、请求的下一步操作、来源信息和关联工作，无需账户或特定项目的 Agent。

具备网络能力的 pocket i 是后续产品阶段。本仓库目前不提供 pocket-AI 下载，也不声称打开任务包就能将 Agent 连接到实时网络。E002 现已提供公开实验页面和可检查的 Codex 实现日志；该日志属于实验室基础设施，并非 pocket i 本身。预期的转变过程明确如下：

open questions and evidence
→ portable task packs
→ read-only user-controlled connector
→ local, explicitly taught memory
→ consented network identity and human-approved contributions
→ multiplayer experiments

当前构建从 E002 启动第一个合成群体实验。仓库还包含可安装的 Pocket i Lab Codex 插件。获得每项任务的明确同意后，Codex 生命周期钩子会记录参与者当前正在使用的对话；不会启动第二个 Agent 进程。公开日志会展示经过编辑的、用户可见的提示词和最终答案，以及工具／操作状态和相对路径形式的已更改文件名。日志不会包含原始推理、工具参数／结果、命令／输出、文件内容、环境数据、本地绝对路径、会话标识符、凭据或私有发布密钥。

安装仓库市场和插件，然后开始一个新的 Codex 任务：

codex plugin marketplace add yukakust/joinmultiplayer.ai --ref agent/game-loop-v0.1
codex plugin add pocket-i-lab@joinmultiplayer-lab

检查并信任钩子后，在该任务中使用 $pocket-i-lab start E002 as <pseudonym> 选择加入。未激活的钩子不会发出任何网络请求。$pocket-i-lab finish 会结束公开运行。

E003 是首个实体设备步骤。/network/ 会创建一个包含三个槽位的私有房间；浏览器节点让手机和 Mac 训练各自的微型本地权重，可下载的无头 Python 节点则在服务器上执行相同操作。一个答案有 4,096 种可能值，需要三批完整胶囊。E003 有意仅测试设备连接和本地个性化，不测试语言模型或 H0001。尚未执行的下一步设计将采用本地 DoRA 微调、一个公开实验显微镜和三个可见的所有者检查点；详见 DORA-LANGUAGE-SWARM-PLAN.md。

因此，实验室先行，但它旨在成为网络的工作界面。架构必须通过证据证明其价值，每项后续能力都必须保留本地所有权、可检查性和人工控制。

实验室

doors/         questions people enter through
hunts/         optional public investigations
journal/       observations people bring
hypotheses/    ideas before evidence: ı
experiments/   reproducible tests
i/             results that earned their dot
matches/       people and the traces between them
site/          the public entrance

穿过实验室的路径可以从任意位置开始，但证据只朝一个方向流动：

door → contribution → journal → hypothesis → experiment → result → next question

从入口进入，提交一条观察记录，或从假设池开始。

公开入口最初只展示三个问题。阅读 GAME.md，了解入口背后的研究循环、独立的 i 点、行动路径和点火图。

问题、轨迹和独立验证遵循开放的 Data Contract v0.1。

问题是一等记录。它可以在无人回答时提出，也可以多年后再被拾起。目前的 v0.1 表单从较早的公开轨迹中衍生问题；更广泛的事件来源仍属于数据契约的一部分，而非已部署的表单。目前诚实的行动是 把这个问题交给我的 AI：使用任务包，交给你已掌控的 AI。这并不意味着已下载模型或连接器。

可在 joinmultiplayer.ai/data 阅读公开轨迹，也可无需账户直接获取 JSON 和 JSONL。待处理、已撤回和私密的审核数据绝不会包含在这些数据源中。

需要完整公开任务与证据台账的 Agent，可以从统一的语料库 JSON 开始，其中汇集了公开问题、轨迹和事件，不包含私密审核数据。其机器可读契约为 Corpus Schema v0.2。

每个已发布的行动也会进入仅追加的事件地图。新轨迹可以延续任何较早的公开轨迹；时间顺序为新事件赋予编号，而类型化链接则保留分支的起点。

规则

• 提出一个明确的问题。
• 采用最小且诚实的测试。
• 与强而简单的基线进行比较。
• 发布 METHOD.md 要求的完整记录。
• 发布失败的结果。
• 将观察与解读分开。
• 让证据来确定 i 点的位置。
• 不要让任何人给自己的 i 点上点。

无法得出结论和失败的实验也属于这里。每项结果都必须说明它支持、质疑，还是未能回答主要问题。

i 可以存在于代码中、纸上、贴纸上或墙上。

提出一个问题。把它交给你的 AI。回来分享发生了什么。留下一个 i。

参与

从 CONTRIBUTING.md 开始。默认情况下，贡献内容是公开的；分享数据前，请阅读 ETHICS.md 和 PRIVACY.md。

代码采用 MIT 许可证。原创文档和实验室数据遵循 DATA_LICENSE.md 中的条款。