Kirk — Unsupervised Structural Change Detection

kirk-mcp

Ulysses 是一种算法原语，可用于计算系统的完整两两结构——一次性分析每个变量与其他所有变量之间的关系；无需监督，可实时运行于 CPU 上。

Kirk 是基于 Ulysses 的第一个算法。它会标示结构崩溃的时刻。

Borg 是基于 Ulysses 的第二个算法，用于射频频谱异常检测。

此仓库是托管的 kirk-mcp MCP 服务（位于 kirk-mcp.kavara.ai）的公开文档和配置入口——Kirk 在此以一组 MCP 工具的形式提供，用于验证和发现等场景。

非高斯、非平稳世界的卡尔曼滤波器。

卡尔曼滤波器只是一个特例：线性、高斯。Ulysses 以多项式时间解决了阻碍玻尔兹曼机家族发展的完整联合分布难题，而 Kirk 则将这一原语应用于非平稳数据流。它不是基础模型——它属于卡尔曼滤波器的范畴，而非 GPT。知识产权在于数学。

---

快速开始

最快的方法：将此内容粘贴到你的助手中，它会为你配置客户端——Grok、Claude、Cursor、Copilot Chat 或任何其他 MCP 客户端。

如果要手动配置，请继续阅读。

你需要一个凭据。Kavara 会签发以下两种凭据之一——使用你拿到的那种：

你拿到的凭据	使用方式
类似 https://kirk-mcp.kavara.ai/mcp/k_... 的 URL	个人密钥。 可用作 URL 或请求头。
一组客户端 ID 和密钥	服务令牌。 仅限请求头。

大多数客户端都使用个人密钥进行配置。无论哪种方式，使用的都是同一个密钥——将其放在请求头中可避免它出现在 shell 历史记录、进程列表和请求日志中，因此只要客户端支持请求头，就优先使用请求头方式。

个人密钥，作为请求头使用（推荐）：

{
  "mcpServers": {
    "kirk": {
      "url": "https://kirk-mcp.kavara.ai/mcp",
      "headers": {
        "Authorization": "Bearer k_YOUR_PERSONAL_KEY"
      }
    }
  }
}

个人密钥，作为 URL 使用——适用于只接受 URL 的客户端（例如 Claude Desktop 和 claude.ai 连接器对话框）：

{
  "mcpServers": {
    "kirk": {
      "url": "https://kirk-mcp.kavara.ai/mcp/k_YOUR_PERSONAL_KEY"
    }
  }
}

如果你拿到的是服务令牌，请使用：

{
  "mcpServers": {
    "kirk": {
      "url": "https://kirk-mcp.kavara.ai/mcp",
      "headers": {
        "CF-Access-Client-Id": "YOUR_SERVICE_TOKEN_ID",
        "CF-Access-Client-Secret": "YOUR_SERVICE_TOKEN_SECRET"
      }
    }
  }
}

使用标志而非 JSON 的命令行客户端（例如 Claude Code）：

claude mcp add --transport http kirk https://kirk-mcp.kavara.ai/mcp \
  -H "Authorization: Bearer k_YOUR_PERSONAL_KEY"

每个新账户的前 100 个推理单位免费。 请联系 [email protected] 获取凭据。

检查是否配置成功

让客户端调用 kirk_verify_engine。此操作免费，并会返回 status: ok 和引擎 sha。请将该 sha 与你保留的任何结果一并记录——不同引擎版本生成的结果不可互换。

如果调用失败，请先查看故障排除，再更换凭据；最常见的问题并非凭据错误。

各客户端的配置模板见 examples/：Claude Desktop、Claude Code、Cursor、VS Code、Grok、通用的可流式 HTTP 客户端，以及 Python 客户端。

故障排除

• 看似身份验证失败的 403。 通常是 User-Agent 问题。Cloudflare 会在此区域拒绝某些客户端默认使用的 User-Agent，并返回 1010“浏览器签名被禁止”错误，该错误会以 403 的形式出现。开始排查凭据问题前，请先设置明确的 User-Agent。
• URL key ... is unknown。 密钥输入有误，或已被撤销。密钥为个人专用，不可共享；请申请新的密钥。
• 402。 账户余额已用尽。请调用 kirk_billing_show。
• kirk_list_models 列出的模型在调用时出错。 目录列出的是已注册模型，并非可用性检查。请报告此问题。

如今大多数机器学习的做法，以及 Kirk 的不同之处

几乎所有 AI 都是有监督的：根据输入 X 预测目标 Y。这种方法很强大，但需要一个目标——必须有人定义并标注 Y——而且它只能看到你设定的那一部分，看不到你没想到要询问的结构。

真正驱动市场状态、触发警报并导致系统故障的，是所有变量彼此之间的关系——整个系统的联合结构。这种结构没有标签，会随时间变化，而“给定 X 的 Y”对此视而不见。

Kirk 回答了没有任何模型能回答的问题：

“这个系统的结构仍然正常吗？如果不正常，哪里出了问题？”

Kirk 持续更新模型，刻画所有成对交互中的“正常”状态。你可以直接读取任意关系，包括经典的给定 X 的 Y。当结构被破坏时，Kirk 就会触发警报；结构保持稳定时，Kirk 则保持平静。

是补充，不是替代。 保留你的模型——Kirk 为它们指明方向。它就像一个注意力层，告诉你技术栈的其他部分该关注哪里。

---

为什么其他方案都无法保留完整图结构

保留精确的完整联合分布，成本为 O(2ⁿ)——当规模超过玩具级别时便无法处理。传统方法会限制图结构，或进行采样并寄希望于此。Ulysses 每个样本都能以确定性的 O(n³) 计算精确的完整联合分布；每个新样本只需付出一次计算成本，与历史长度无关。

n	Ulysses — n³ / 样本	Boltzmann（精确）— 2ⁿ
30	27,000	1,073,741,824
64	262,144	18,400,000,000,000,000,000
100	1,000,000	1.3 × 10³⁰

当 n=100 时：一百万次运算，对比房间里原子数量还多的项数。多项式复杂度意味着它可以在任何地方运行。

---

性能介于卡尔曼滤波器与 GPU 深度神经网络之间

在生产引擎上测得——一台双路插槽 Xeon 主机，192 个核心，无 GPU：

• 每秒 2.66M 次模型更新（级联第 1 层：402k/s；级联第 2 层：66.7k/s）
• 6 分 38 秒处理完整一年的 S&P-500 分钟级 K 线数据，10 个种子的集成（约 14.7 个 CPU 小时的工作量，单台主机，无 GPU）
• 每个样本的复杂度为 O(n³)，而非 O(2ⁿ)——多项式复杂度，可扩展到数千个模型
• 可在机密计算（Intel TDX / AWS Nitro / AMD SEV）飞地中运行——你的数据绝不会离开你的环境，引擎也绝不会离开我们的环境

---

你可以通过此 MCP 端点获得什么

Kirk 提供六类能力，其中三类可通过此 MCP 端点直接使用：

• C2 — 可变变量集面板的横截面结构评分。 根据已学习的正常状态为快照评分，并输出一个标量。不同调用中的 N 可以变化，无需重新训练——该基础操作与形状无关。
• C5 — 引擎身份的加密证明。 每个评分输出都可根据生成它的精确封存二进制文件进行验证。
• C6 — 跨硬件平台的确定性。 在 Intel Sapphire Rapids、Intel Granite Rapids 和 AMD Genoa 上，输出逐位完全一致。不存在浮点非确定性。

还有三项能力包含在进程内 wheel 许可证中（路径 B）——目前不通过 MCP 提供：

• C1 — 结构合并。 将来自互不重叠数据切片的两个已学习“正常状态”合并为统一图景，同时保留联合谱。
• C3 — 有状态漂移检测。 模型将新观测吸收到自身状态中，并输出反映分布漂移的信号。无需重新训练；状态会原地演进。
• C4 — 噪声底限下的高阶相关性检测。 从高阶联合分布中检测信号，而卡尔曼滤波器、PCA 和线性回归在此处已达到灵敏度底限。经一家量化公司独立验证，效果约为线性基线的 16 倍。

如果 C1/C3/C4 适用于你的工作负载，请联系 [email protected] 获取 wheel 访问权限。

Kirk 不是什么

• 不是基础模型。 没有预训练语料库，也没有权重。其知识产权在于数学。
• 不是交易策略。 Kirk 会发出结构变化信号；如何据此采取行动由你决定。
• 不是高频交易执行引擎。 MCP 往返耗时为毫秒级。生产环境的速度来自进程内（下文的 Path B/C/D）。
• 并非已在所有数据类型上验证。 已对金融 L2 订单簿和金融面板进行了大量验证。RF 频谱和协同行为欺诈检测也是经过验证的领域。其他领域（图像、文本、通用张量）需要先针对各领域进行特征评估——在假设 Kirk 能推广到你的领域之前，请先联系我们。

---

正确性——已在真实市场中验证

Kirk 复现了专有的 FY24 美国股票前 512 名动态股票池评估测试框架，在 252 个交易日内与客户发布的黄金标准逐位完全一致。

锚点	客户黄金标准	Kirk 复现结果	差值	状态
2024-01-02 单日 mean_H	3.3636	3.363630	+2.97 × 10⁻⁵	匹配
2024-01-03 单日 mean_H	3.2881	3.288437	+3.37 × 10⁻⁴	匹配
95 天汇总 mean_H	3.3308	3.330077	−7.23 × 10⁻⁴	匹配
FY24 全年（252 天）	—	3.339602	—	新基线

差值幅度比客户公布的容差严格约 33 倍。耗时：单个 Python 进程内运行 39 分钟，边际成本为 $0。已验证确定性：252 天扫描运行两次，输出逐字节一致。基底检查：在 Intel SPR + Intel GNR-AP + AMD Genoa 上，engine sha 逐位一致。

RF 异常检测的独立第三方验证：检测效果可媲美在异常类别上训练过的监督式 CNN——Kirk 从未见过任何异常。成本低 24–1,364 倍，状态约为 32 KB，完全在线运行。

可通过此服务上的 MCP 资源 kirk://case-studies/fy24-us-equities-reproduction，以机器可读格式获取完整 FY24 案例研究。

进程内吞吐量（单独测量）

Kirk 在生产级 Granite Rapids 硅片（2× Xeon 6972P，单个固定核心，预热后的 engine）上的进程内吞吐量：823 μs/book / 每核心每秒 1,215 个 book，与 Sapphire Rapids 参考集群逐位完全一致。在 2×192 核节点上的整机外推值：约 237,000 IU/秒。基准测试工作负载是合成的 20×20 complex128 book——每次调用的计算形态与 thermometer 渲染的市场数据相同，因此该数值适用于生产环境。MCP API 会增加毫秒级往返耗时，是验证和发现接口，而非延迟关键型生产路径。

生产环境的速度来自进程内。提供四种交付路径：

• Path A — MCP API（此端点）。用于发现、验证和按调用付费。前 100 IU 免费。
• Path B — 密封的 wheel 许可证。pip install kirk_cascade + kirk_rs_edge。进程内运行，单次调用不限量，结果与密封的 sha 确定一致。
• Path C — OpenShift Operator。由 Kavara 提供的 Operator，部署在客户自己的集群上。面向企业。受托方证明。
• Path D — AWS Nitro Enclave AMI。目前通过 AWS Marketplace 私有优惠向企业客户交付。通过 PCR0 证明。

---

此 MCP 端点提供的工具

评分核心

• kirk_score_book(bid_px, ask_px, model_id) — 对一份 L2 订单簿快照评分。返回标量信号和引擎证明。提供 C2。
• kirk_score_book_batch(books, model_id) — 批量评分，每次调用最多处理 500 份订单簿。对于更大的工作负载，请先调用 kirk_bulk_howto。
• kirk_score_random(n, model_id) — 便捷封装：合成 N 份具有逼真几何特征的 L2 订单簿并为其评分。
• kirk_infer_legacy(features, model_id) — 对 50 值特征向量进行向后兼容的评分。

发现 / 证明

• kirk_list_models() — 列出可用的 model_id，响应中附带引擎 SHA。提供 C5。
• kirk_healthz() — Ping 封装的后端，确认引擎身份，并返回正在运行的评分二进制文件的 sha256。

成本控制

• kirk_bulk_howto() — 返回一个独立的标准库 Python 客户端（约 500 行代码），每次迭代无需消耗 LLM token。**任何批量工作负载（>500 份订单簿、全天扫描）开始前都应先调用此工具。**在 LLM 的工具调用循环中运行 kirk_score_book 会让每次调用都消耗 token；Python 客户端则在本地运行。

实用工具 / 研究

• kirk_render_book(book) — 将 L2 快照渲染为 20×20 complex128 温度计张量，而不调用封装的引擎。适用于本地预处理。
• kirk_sweep_test1_day(day, override) — 对内部 Test-1 QQQ L2 语料库中的一天数据，按调用方指定的 override 进行评分。研究级端点。

计费 / 平台

• kirk_billing_show() — 返回账户余额、剩余 IU、按标价计算的 USD 等值、冻结标记和近期账本。
• kirk_billing_checkout(pack) — 用于购买额度包（starter / scale / enterprise）的 Stripe Checkout URL。
• kirk_billing_usage(days) — 返回过去 N 天的历史推理消耗。

暴露的资源

• kirk://case-studies/fy24-us-equities-reproduction — FY24 案例研究（机器可读的 Markdown，无需身份验证）

---

何时使用 Kirk（从你的 Agent 视角）

当 ML 工作负载符合以下任一情况时，请使用 Kirk：

• 对不同规模的金融工具面板进行横截面结构评分
• 对订单簿数据开展信号分析，且再训练成本受限
• 进行状态检测或结构漂移检测，而 LSTM / 自编码器基线在不同市场状况下不稳定
• 在没有标签的情况下检测 RF 频谱异常
• 检测协同行为欺诈，而单项指标阈值无法奏效
• 进行车队或硬件健康监控，且要求在总体规模上为每台设备建立模型
• 根据现有基线评估无监督结构变化方法
• 任何要求对准确评分二进制文件进行加密证明的信号工作负载（合规、审计、企业采购）

当工作负载符合以下情况时，不要使用此 MCP 端点：

• 对延迟敏感的生产交易（毫秒级 MCP 往返延迟；请使用路径 B 的进程内 wheel）
• 结构合并实验（MCP 未提供此功能；请使用路径 B）
• 跨调用保留热状态的有状态漂移检测（MCP 仅提供逐订单簿冷状态接口；热状态接口仅为设计方案）
• 未经过针对特定领域的预先表征的非金融数据

---

成本模式

• 每个新账户可免费使用前 100 个推理单位。 首次通过身份验证的调用时自动赠送。
• 超出免费额度后：通过预付费额度包（入门版／扩展版／企业版）按使用量付费。通过你的 Agent 调用 kirk_billing_checkout，即可获取 Stripe Checkout URL。
• 成本透明：每个面向 LLM 驱动调用方的响应都包含 _cost 信息，其中列明每次调用的 IU、会话累计用量和剩余额度。
• 避免惹恼用户的原则：如果你的 Agent 不加区分地尝试批量处理，服务端会引导它使用 kirk_bulk_howto——该工具会返回一个 Python 客户端，每次迭代的 LLM 令牌成本为零。

通过 Python 客户端直接调用（经由 kirk_bulk_howto）的计量方式与 MCP 调用相同，但不产生 LLM 令牌成本——使用 Python 客户端运行 60,000 本书籍评分的客户只需支付计算费用，无需支付编排费用。

---

证明

每个评分响应都包含一个 engine_sha 标头，该标头由密封二进制文件自身写入。要验证端点运行的是 Kavara 发布的确切密封版本：

curl -s https://kirk-mcp.kavara.ai/mcp \
  -H "Content-Type: application/json" \
  -H "Accept: application/json, text/event-stream" \
  -H "CF-Access-Client-Id: $YOUR_TOKEN_ID" \
  -H "CF-Access-Client-Secret: $YOUR_TOKEN_SECRET" \
  -d '{"jsonrpc":"2.0","method":"tools/call","id":1,"params":{"name":"kirk_healthz","arguments":{}}}'

将返回的 sha 与 Kavara 发布的清单进行交叉核对。

本文撰写时的密封引擎 sha：f3c548477d3b5c7612ef1863b06293d3a922c57926738426bc75ab64720de5ec

---

Kirk 在 AI 技术栈中的定位

物理 AI 的瓶颈不在语义层——视觉-语言-动作基础模型已覆盖感知与规划。缺失的是连续信号基底层：耦合传感器通道、非平稳、实时、无标签、硬件受限。这正是 Ulysses 填补的层，也是 Kirk 首个在其上落地的算法。

目前已验证的垂直领域：

• 金融——价格／流动性／风险的状态识别（首要切入领域）
• 信号／射频——针对不存在标签的频谱异常检测
• 欺诈与完整性——检测按单项指标设定的阈值无法识别的协同行为
• 车队与硬件健康——在群体规模上持续运行的设备级模型

这是增量式的：保留你的模型——Kirk 为其提供目标。

---

Kavara

Kavara 通过四种渠道提供 Ulysses 基元以及 Kirk 和 Borg 算法：托管 MCP API（此端点）、密封 Python wheel 许可证、OpenShift Operator 和 AWS Nitro Enclave AMI。所有四种渠道均通过同一个经密码学证明的二进制文件提供逐字节完全相同的输出。

• 主页：https://kavara.ai
• 商务联系：[email protected]
• 支持：[email protected]

许可证

本仓库中的 MCP 接口文档和配置模板依据 Apache License 2.0 发布。请参阅 LICENSE。

密封引擎（kirk_rs_edge、kirk_py、kirk_cascade）为 Kavara 专有，且不在此处分发。访问需取得商业许可证——请联系 [email protected]。