Inception ICORE Server

Inception ICORE 服务

Inception 核心（ICORE）服务
基于 Rust 构建的模块化、可扩展服务，提供短期、长期和潜在记忆服务、一个带有 BaseAgent + Sentience DSL 的聊天端点，以及与 ChromaDB 和大模型服务的集成。

⚠️ 开发中：此项目正在积极开发。接口、API 和内部结构可能会频繁变更。

---

目录

1. 概述
2. 功能
3. 架构与组件
   1. BaseAgent 与 Sentience DSL
   2. 记忆层
      • 短期记忆
      • 长期记忆
      • 潜在记忆（ChromaDB）
   3. 大模型集成
   4. HTTP API（Axum）
4. 快速开始
   1. 前提条件
   2. 克隆与构建
   3. 环境变量
   4. 使用 Docker Compose 运行
   5. 不使用 Docker 在本地运行
   6. 测试服务
5. 配置与环境变量
6. API 参考
   1. 健康检查
   2. 短期记忆端点
   3. 长期记忆端点
   4. 潜在记忆（ChromaDB）端点
   5. 聊天端点
   6. Sentience DSL 端点
7. Agent DSL（“Sentience”）详情
8. 目录结构
9. 日志与监控
10. 开发工作流
11. 贡献
12. 许可证

---

概述

Inception ICORE 服务旨在打造高度灵活的微服务，提供以下功能：

• 短期记忆，用于临时键值存储（内存中）。
• 长期记忆，用于持久化键值存储（SQLite）。
• 潜在记忆（向量嵌入 + 相似度搜索），由 ChromaDB 提供支持。
• 能够执行“remember/recall/if context”操作的 BaseAgent，并可选择加载在运行时加载的 Sentience DSL 层。
• 聊天端点会优先将传入消息路由至 Sentience DSL（如果已加载），然后回退至标准 BaseAgent，最后回退至备用大模型。
• 简单且有完善文档的 HTTP API（基于 Axum 构建），用于与所有记忆层和 Agent 功能交互。

本 README 将介绍架构详情、设置说明、环境配置、API 用法和开发工作流。

请参阅 VISION.md，了解本项目背后的哲学动机和长期目标。

---

功能

• 模块化记忆层

  • 短期记忆：快速的内存键值存储（易失）。
  • 长期记忆：基于 SQLite 的持久化键值存储。
  • 潜在记忆：通过 ChromaDB 提供向量嵌入和最近邻查询。

• Agent 逻辑

  • BaseAgent：简单的“记住”“回忆”和“如果上下文包含”逻辑。
  • Sentience DSL：可加载的 DSL，可用于编写自定义响应逻辑，并支持无缝地为记忆层填充初始数据和刷新数据。

• 大模型回退

  • 开箱即用地集成任意基于 HTTP 的大模型（例如本地 Llama 服务），用于回退生成。

• HTTP API

  • 提供用于管理记忆、嵌入／查询向量、聊天以及直接运行 DSL 代码的端点。
  • 基于 JSON 的请求／响应格式。

• Docker Compose 配置

  • 预配置的 docker-compose.dev.yml，用于编排 ChromaDB、本地大模型服务和 ICORE Server。

• 异步

  • 基于 Rust 的 Tokio 运行时构建，支持高并发和高性能。

• 可扩展且可配置

  • 可通过环境变量轻松替换 ChromaDB URL、大模型 URL、数据库路径和 DSL 脚本。

---

架构与组件

作为大脑的架构

inception-ICORE-server 充当人工智能系统的脑干，负责协调、记忆路由和协议层面的反射。

其结构灵感来自生物大脑：

• Inception（此服务） — 脑干 管理记忆访问、Agent 执行和 DSL 处理。它不会“思考”，而是负责调节。

• 皮层（记忆层） — 认知皮层
  存储长期知识（SQLite）、短期工作记忆（内存）和潜在语义空间（ChromaDB）。

• Agents — 器官
  使用结构化记忆和嵌入式逻辑进行感知、行动和反思的输入／输出实体。

• ICORE Protocol — 神经信号
  记忆、Agents 和逻辑评估器之间的标准化通信流程。

这种分离支持模块化开发、自主行为和语义反思——一次处理一个层。

以下是高级架构图，以及对每个核心组件及其交互方式的说明：

BaseAgent 与 Sentience DSL

• BaseAgent（agents/agent.rs）：

  • 维护进程内上下文（Context），用于实现简单的“记住／回忆／如果上下文包含”逻辑。
  • 使用 sentience crate 直接加载并执行 Sentience DSL 代码。
  • 在 handle 期间，DSL 记忆会从全局存储中填充初始数据，并在执行后刷新回存储。

记忆层

1. 短期记忆（memory/short_term.rs）：

   • 内存中的 HashMap<String, String>。
   • 快速读写临时键值对。
   • 易失（服务重启后会丢失）。

2. 长期记忆（memory/long_term.rs）：

   • 基于 SQLite 的键值存储（通过 sqlx）。
   • 持久化存储在磁盘上（memory.db）。
   • 异步 get、set 和 all 操作。

3. 潜在记忆（memory/latent.rs）：

   • 通过 ChromaDB REST API 提供向量嵌入和相似性搜索。
   • 提供以下方法：
     • embed(id: &str, vector: Vec<f32>) → 在 id 下存储虚拟或计算得到的嵌入。
     • query(vector: Vec<f32>) → 返回 (id, score) 对组成的列表。
   • 在此原型中，嵌入为虚拟零向量（vec![0.0; 1536]），但你可以替换为真实的大模型编码器输出。

大模型集成

• 服务需要一个环境变量 LLM_URL，指向本地大模型 HTTP 服务（例如 llama.cpp server）。
• 聊天回退逻辑（位于 handlers/chat）会调用：

  model::generate(&payload.message).await
  

通过向 LLM_URL 发送包含 JSON { "prompt": "..."} 的 HTTP 请求，并返回生成的文本。

HTTP API（Axum）

• 使用 Tokio 运行时和 Axum v0.7。
• 路由定义在 api/routes.rs 中，处理程序定义在 api/handlers.rs 中。
• 所有端点均以 JSON 或 (StatusCode, String) 组合响应（通过 impl IntoResponse 转换）。

---

入门指南

前置条件

1. Rust 工具链

   • 安装 rustup，并确保使用较新的 stable 工具链：

     rustup update stable
     rustup default stable
     

2. Docker 和 Docker Compose（用于完整的开发环境设置）

   • Docker Desktop 或 Docker Engine v20+
   • Docker Compose v1.29+（或集成在 Docker CLI 中的 v2）

3. 端口

   • ChromaDB：8000
   • LLM Server：11434
   • ICORE Server：8080

---

克隆并构建

git clone https://github.com/your-org/inception-ICORE-server.git
cd inception-ICORE-server

你可以验证项目能否在本地构建：

cargo build

克隆 Sentience 依赖项

本项目依赖一个名为 sentience 的本地 Rust crate。

将它克隆到与本项目相同的父目录中：

git clone https://github.com/nbursa/sentience.git

---

环境变量

在项目根目录创建 .env 文件，或在 shell 中导出以下变量：

# .env (for Docker Compose or local development)
CHROMADB_URL=http://localhost:8000
CHROMA_COLLECTION_ID=<your-collection-uuid>
LLM_URL=http://localhost:11434
ICORE_ENV=development         # or "production"
RUST_LOG=info               # e.g. "debug", "info", "warn", etc.

# For Docker Compose (network aliases):
# CHROMADB_URL=http://chromadb:8000
# LLM_URL=http://llm:11434

• CHROMADB_URL ChromaDB 的访问地址（例如，http://localhost:8000）。

• CHROMA_COLLECTION_ID 用于向量存储的 ChromaDB 集合 UUID。该集合必须已存在，或另行创建。

• LLM_URL LLM 服务的基础 URL（例如，位于 :11434 的本地 llama.cpp 服务端）。

• ICORE_ENV 控制环境模式（development 或 production）。会影响日志级别等设置。

• RUST_LOG 标准的 tracing_subscriber 过滤器（例如，info、debug）。

---

使用 Docker Compose 运行

预先配置好的 docker-compose.dev.yml 会编排以下服务：

• chromadb 服务
• llm（本地 Llama 服务端）
• ICORE-server（此 Rust 应用程序）

1. 确保你有有效的 CHROMA_COLLECTION_ID。如果没有，必须先在 ChromaDB 中创建集合（通过其 HTTP API 或 UI）。

2. 在项目根目录（docker-compose.dev.yml 所在目录）运行：

   docker-compose -f docker-compose.dev.yml up -d --build
   

   这将会：

   • 拉取或构建 chromadb/chroma:0.6.3 镜像，并开放端口 8000。
   • 构建本地 LLM 容器（llama.cpp/ 中的 Dockerfile.server），并开放端口 11434。
   • 构建 ICORE Server 容器（项目根目录中的 Dockerfile），并开放端口 8080。

3. 验证所有服务均已正常运行：

   docker-compose -f docker-compose.dev.yml ps
   

4. 测试 ICORE 服务：

   curl -i http://localhost:8080/api/ping
   # Expected: HTTP/1.1 200 OK, Body: "pong"
   

停止并移除所有容器：

docker-compose -f docker-compose.dev.yml down

---

不使用 Docker 在本地运行

如果你希望在本地直接运行所有服务：

1. 启动 ChromaDB

   • 下载并运行 ChromaDB：

     docker run -d --name chroma-local \
       -p 8000:8000 \
       -e IS_PERSISTENT=FALSE \
       -e ANONYMIZED_TELEMETRY=FALSE \
       chromadb/chroma:0.6.3
     

   • 创建一个集合（使用 Postman/cURL 或 ChromaDB UI），并记下其 UUID。

2. 启动 LLM Server（例如，llama.cpp）

   • 切换到 ./llama.cpp/（确保已配置 Dockerfile.server）。

   • 构建并运行：

     docker build -t llama-server -f Dockerfile.server .
     docker run -d --name llama-server -p 11434:11434 llama-server \
       --model /models/mistral-7b-q4.gguf \
       --port 11434 --ctx-size 256 --threads 1
     

3. 配置 .env（位于项目根目录）：

   CHROMADB_URL=http://localhost:8000
   CHROMA_COLLECTION_ID=<your-collection-uuid>
   LLM_URL=http://localhost:11434
   ICORE_ENV=development
   RUST_LOG=info
   

4. 运行 ICORE Server

   cargo run
   

   服务将会：

   • 初始化 ShortTermMemory（内存中）。
   • 初始化 LongTermMemory（SQLite 文件 memory.db）。
   • 初始化 LatentMemory（连接到指定 URL 的 ChromaDB 客户端）。
   • 尝试从项目根目录加载 agent.sent（如果存在）。
   • 开始监听 0.0.0.0:8080。

---

测试服务

健康检查

curl -i http://localhost:8080/health
# 200 OK
# Body: ICORE server is healthy.

Ping

curl -i http://localhost:8080/api/ping
# 200 OK
# Body: pong

短期记忆

# Set a value
curl -i -X POST http://localhost:8080/api/mem/short/my_key \
  -H "Content-Type: application/json" \
  -d '{"value":"hello"}'
# 200 OK, Body: stored

# Get the value
curl -i http://localhost:8080/api/mem/short/my_key
# 200 OK, Body: hello

长期记忆

# Set (async behind scenes)
curl -i -X POST http://localhost:8080/api/mem/long/user123 \
  -H "Content-Type: application/json" \
  -d '{"value":"persistent data"}'

# Get value
curl -i http://localhost:8080/api/mem/long/user123
# 200 OK, Body: persistent data

潜在记忆（ChromaDB）

# Embed dummy vector under “doc1”
curl -i -X POST http://localhost:8080/api/mem/latent/embed \
  -H "Content-Type: application/json" \
  -d '{"id":"doc1","content":"some text to embed"}'
# 200 OK, Body: embedded

# Query with dummy vector
curl -i -X POST http://localhost:8080/api/mem/latent/query \
  -H "Content-Type: application/json" \
  -d '{"content":"any text"}'
# 200 OK, Body: ["doc1", ...]  (list of nearest IDs)

聊天与 Sentience

# Chat endpoint (JSON)
curl -i -X POST http://localhost:8080/api/chat \
  -H "Content-Type: application/json" \
  -d '{"message":"remember color = blue"}'
# 200 OK, Body: "Okay, remembered color = blue"

curl -i -X POST http://localhost:8080/api/chat \
  -H "Content-Type: application/json" \
  -d '{"message":"recall color"}'
# 200 OK, Body: "color = blue"

curl -i -X POST http://localhost:8080/api/chat \
  -H "Content-Type: application/json" \
  -d '{"message":"What is the meaning of life?"}'
# 200 OK, Body: <LLM‐generated text> (fallback if no DSL match)

# Direct Sentience DSL execution (execute code snippet immediately)
curl -i -X POST http://localhost:8080/api/sentience/run \
  -H "Content-Type: application/json" \
  -d '{"code":"on input(hi) { mem.short[\\"response\\"] = \\"Hello from DSL!\\" }"}'
# 200 OK, Body: {"output":""}  (empty unless DSL code sets a return)

---

配置与环境变量

变量	描述	默认值 / 示例
CHROMADB_URL	ChromaDB HTTP API 的 URL（例如，http://localhost:8000）。	http://localhost:8000
CHROMA_COLLECTION_ID	用于存储/查询嵌入的 ChromaDB 集合 UUID。必须预先存在。	1414cedf-3081-4235-ab29-656549bdff1a
LLM_URL	大模型服务的基础 URL（用于备用文本生成）。	http://localhost:11434
ICORE_ENV	环境模式（development 或 production）。控制日志记录/过滤和优化。	development
RUST_LOG	tracing_subscriber 的日志过滤器。（例如，info）。	info
DATABASE_URL	（可选）用于长期记忆的 SQLite 文件路径（由 sqlx 使用）。默认值为 memory.db。	memory.db
AGENT_SENT_FILE	（可选）Sentience DSL 脚本的路径（默认为项目根目录下的 agent.sent）。	./agent.sent

注意：

• 如果缺少环境变量，服务将在启动时发生 panic。
• 请始终确保 CHROMA_COLLECTION_ID 与现有的 ChromaDB 集合 ID 相匹配。

---

API 参考

所有端点都位于 /api 前缀下（/health 除外）。

1. 健康检查

GET /health

• 响应

  • 200 OK
  • 正文：纯文本 "ICORE server is healthy."

2. 短期记忆端点

2.1. 获取短期值

GET /api/mem/short/:key

• 路径参数

  • :key（字符串）– 要获取的键。

• 响应

  • 200 OK + 正文包含已存储的字符串值。
  • 404 Not Found + 正文 "key not found"，表示键不存在。

• 示例

  curl -i http://localhost:8080/api/mem/short/foo
  

2.2. 设置短期值

POST /api/mem/short/:key
Content-Type: application/json

{
  "value": "<string>"
}

• 路径参数

  • :key（字符串）– 要设置的键。

• 请求正文

  {
    "value": "some text"
  }
  

• 响应

  • 200 OK + 正文 "stored"（始终如此）。

• 示例

  curl -i -X POST http://localhost:8080/api/mem/short/foo \
    -H "Content-Type: application/json" \
    -d '{"value":"bar"}'
  

3. 长期记忆端点

3.1. 获取长期值

GET /api/mem/long/:key

• 路径参数

  • :key（字符串）– 要获取的键。

• 响应

  • 200 OK + 正文包含已存储的字符串值。
  • 404 Not Found + 正文 "key not found"，表示键不存在。

• 示例

  curl -i http://localhost:8080/api/mem/long/user123
  

3.2. 设置长期值

POST /api/mem/long/:key
Content-Type: application/json

{
  "value": "<string>"
}

• 路径参数

  • :key（字符串）– 要设置的键。

• 请求正文

  {
    "value": "persistent data"
  }
  

• 响应

  • 200 OK + 正文 "stored"（始终如此）。

• 示例

  curl -i -X POST http://localhost:8080/api/mem/long/user123 \
    -H "Content-Type: application/json" \
    -d '{"value":"persistent data"}'
  

4. 潜在记忆（ChromaDB）端点

4.1. 嵌入向量

POST /api/mem/latent/embed
Content-Type: application/json

{
  "id": "<string>",
  "content": "<string>"
}

• 请求正文

  • id（字符串）– 文档/嵌入的唯一标识符。
  • content（字符串）– 要存储其嵌入的原始文本。
  • 注意：在当前原型中，处理程序会构造一个长度为 1536 的虚拟零向量。你可以修改 embed_latent，使其调用真实的嵌入服务。

• 响应

  • 200 OK + 正文 "embedded"，表示成功。
  • 500 Internal Server Error + 正文 "error"，表示失败。

• 示例

  curl -i -X POST http://localhost:8080/api/mem/latent/embed \
    -H "Content-Type: application/json" \
    -d '{"id":"doc1","content":"something to embed"}'
  

4.2. 查询最近的 ID

POST /api/mem/latent/query
Content-Type: application/json

{
  "content": "<string>"
}

• 请求正文

  • content（字符串）– 用于相似度搜索的原始文本，其嵌入目前会转换为虚拟零向量。

• 响应

  • 200 OK + JSON 匹配 ID 数组（Vec<String>），按相似度降序排列（最高分在前）。
  • 500 Internal Server Error + 纯文本错误消息，表示 ChromaDB 查询失败。

• 示例

  curl -i -X POST http://localhost:8080/api/mem/latent/query \
    -H "Content-Type: application/json" \
    -d '{"content":"search terms"}'
  

5. 聊天端点

POST /api/chat
Content-Type: application/json

{
  "message": "<string>"
}

• 请求正文

  • message（字符串）——用户的聊天输入。

• 行为

  1. 如果已加载 Sentience DSL，则构建 DSL 代码片段：

     on input(<message>) { … }
     

     – Agent 通过内置 DSL 引擎执行此代码片段。 – 执行后，检查 DSL 是否在内部短期记忆中写入了 "response" 键。如果有，则将其作为响应返回。

  2. 如果 DSL 未生成响应（或未加载 DSL）：

     • 检查是否有用于 BaseAgent 逻辑的 remember 、recall 或 if context includes 命令。
     • 否则，回退到大模型：调用 model::generate(message).await，并返回生成的文本。

• 响应

  • 200 OK + 包含 Agent 回复的 JSON 字符串。

• 示例

  # Remember example
  curl -i -X POST http://localhost:8080/api/chat \
    -H "Content-Type: application/json" \
    -d '{"message":"remember mood = happy"}'
  
  # Recall example
  curl -i -X POST http://localhost:8080/api/chat \
    -H "Content-Type: application/json" \
    -d '{"message":"recall mood"}'
  
  # Generic question (LLM fallback)
  curl -i -X POST http://localhost:8080/api/chat \
    -H "Content-Type: application/json" \
    -d '{"message":"Tell me a joke."}'
  

6. Sentience DSL 端点

POST /api/sentience/run
Content-Type: application/json

{
  "code": "<Sentience DSL code>"
}

• 请求正文

  • code（字符串）——要立即执行的原始 Sentience DSL 代码片段（不含 on input(...)）。

• 行为

  • Agent 使用内部 DSL 引擎执行提供的 code 代码片段。
  • 返回 DSL 代码返回的内容（如果有），如果没有返回任何内容，则返回空字符串。

• 响应

  • 200 OK + JSON：

    {
      "output": "<string>"
    }
    

    • 如果 DSL 脚本未显式设置值，output 可能为空（""）。

• 示例

  curl -i -X POST http://localhost:8080/api/sentience/run \
    -H "Content-Type: application/json" \
    -d '{"code":"on startup() { mem.short[\\"greeting\\"] = \\"Hello from DSL!\\" }"}'
  

---

Agent DSL（“Sentience”）详情

Sentience DSL 允许你使用一种简单的内部脚本语言定义事件驱动逻辑。常见模式：

1. 启动时加载 DSL

   • 将 DSL 文件放在项目根目录下，命名为 agent.sent，或通过环境变量指定。

   • 服务启动时，main.rs 会执行：

     if let Ok(sent_code) = fs::read_to_string("agent.sent") {
         base_agent.load_sentience(&sent_code)?;
         println!("Loaded Sentience DSL from agent.sent");
     }
     

2. DSL 语法（示例）

   // Defines behavior on input event
   on input(user_msg) {
       if user_msg == "ping" {
           mem.short["response"] = "pong from DSL";
       } else if user_msg startswith "set " {
           // parse "set key=value"
           let kv = split(user_msg[4..], "=");
           mem.short[kv[0]] = kv[1];
       }
   }
   
   // Defines behavior on startup
   on startup() {
       mem.short["welcome"] = "Welcome, dear user!";
   }
   

3. 在 DSL 中访问记忆

   • mem.short[<key>] = <value> 读取/写入短期记忆。
   • mem.long[<key>] = <value> 读取/写入长期记忆（SQLite）。
   • Agent 处理代码时会为这两种记忆填充初始数据，并在执行后刷新更新。

4. 发送响应

   • 若要通过 DSL 返回聊天响应，请设置 mem.short["response"] = "<some text>"。
   • DSL 运行后，处理程序会检查 guard.inner.get_short("response")，如果值非空，则返回该值。

5. 构建 DSL 文件

   • 在项目根目录下创建 agent.sent。
   • 遵循你的 DSL 语法（如需了解准确语法，请查阅 sentience crate 文档）。

---

目录结构

inception-ICORE-server/
├── Cargo.toml
├── Dockerfile
├── docker-compose.dev.yml
├── docker-compose.prod.yml
├── README.md
├── agent.sent            # (optional) Sentience DSL script
├── memory.db             # SQLite database (auto-created on first run)
├── src/
│   ├── main.rs           # Entry point: initializes mem, agent, starts Axum server
│   ├── config/           # Configuration loading (env, Settings struct)
│   │   └── settings.rs
│   ├── agents/
│   │   ├── agent.rs      # BaseAgent implementation & DSL integration
│   │   └── mod.rs        # Re-exports AGENT, BaseAgent, SentienceAgent
│   ├── api/
│   │   ├── routes.rs     # Defines Axum router & endpoints
│   │   ├── handlers.rs   # Endpoint handlers (ping, memory, chat, etc.)
│   │   └── mod.rs
│   ├── memory/
│   │   ├── short_term.rs # In-memory key-value store
│   │   ├── long_term.rs  # SQLite-backed key-value store
│   │   ├── latent.rs     # ChromaDB client for embeddings & queries
│   │   └── mod.rs
│   ├── ICORE/
│   │   ├── model.rs      # LLM HTTP client & `generate(prompt)` function
│   │   └── context.rs    # Context for BaseAgent (“remember/recall/if context includes”)
│   │   └── protocol.rs   # ICORE protocol definitions (errors, etc.)
│   │   └── mod.rs
│   ├── config.rs?        # top-level config module for env/settings
│   └── ...               # other modules (utilities, etc.)
└── llama.cpp/            # (submodule) Llama.cpp code & Dockerfile for local LLM server
    ├── Dockerfile.server
    └── ...

---

日志记录与监控

• 使用 tracing 和 tracing_subscriber 进行结构化日志记录。
• 日志级别由 RUST_LOG 环境变量控制（例如，info、debug、warn）。
• 在开发环境中，将 RUST_LOG=debug 设置为 debug，即可查看详细的请求/响应和 SQL 查询。
• 默认将日志打印到 stdout（适用于 Docker）。

---

开发工作流

1. 代码格式化与 lint 检查

   rustup component add rustfmt clippy
   cargo fmt --all
   cargo clippy --all -- -D warnings
   

2. 运行测试 如果添加了单元/集成测试：

   cargo test
   

3. 添加新端点

   1. 在 src/api/routes.rs 中定义路由。
   2. 在 src/api/handlers.rs 中实现处理程序。
   3. 更新任何相关的记忆/Agent 逻辑。
   4. 在 README 中添加 curl 示例作为文档。

4. 扩展记忆层

   • 短期：修改 memory/short_term.rs 以更改内存存储。
   • 长期：更改 SQLite 架构，或通过更新 LongTermMemory 和 DATABASE_URL 切换到 Postgres。
   • 潜在：更新 memory/latent.rs，改为调用真实的嵌入服务，而非模拟服务。

5. 更新 DSL 脚本

   • 编辑项目根目录下的 agent.sent。
   • 重新加载服务，或直接发送 POST /api/sentience/run 来测试新逻辑。

---

贡献

欢迎贡献！请遵循以下指南：

1. Fork 此仓库。

2. 创建一个功能分支：

   git checkout -b feature/my-new-feature
   

3. 使用清晰、描述性强的消息提交更改。

4. 运行格式化和 lint 检查：

   cargo fmt --all
   cargo clippy --all -- -D warnings
   

5. 视情况添加或更新测试。

6. 推送到你的 fork，并在 GitHub 上发起 Pull Request。

提交审核请求前，请确保所有 CI 检查（格式化、lint、测试）均已通过。

---

许可证

⚠️ 注意：本项目仍处于实验阶段，无法保证稳定性或可用于生产环境。

本项目采用专有非商业许可证。
本项目可免费用于研究、教育和实验，但未经书面许可，严禁用于商业用途。
完整条款请参阅 LICENSE。

---