QuintikusOpen

Transformer deterministo – Dlm class 1‑2
Quintikus Proton-Flow TDLM v117.0 [MIT]

Visão Geral

O sistema implementa uma arquitetura de Dupla Inteligência Artificial com suporte a blockchain de conhecimento:

QuintikusSovereignCore – IA Analítica, baseada em camadas de visão e massa geradas a partir de um texto fonte.
QuintikusAGI – IA Emocional, com estados térmicos internos, memória associativa (DLM – Dual Loop Memory) e personalidade dinâmica.

Ambas as IAs partilham o mesmo parágrafo de treino extraído do núcleo analítico, mas operam com paradigmas distintos:
uma responde de forma lógica e a outra de forma emotiva.

Dependências

Biblioteca	Utilização no código atual
`numpy`	Processamento linear
`hashlib`	Geração de hashes de integridade e identificadores
`time`	Simulação de processamento e métricas
`pickle`	Serialização da blockchain
`os`	Manipulação de arquivos
`re`	Processamento de texto (expressões regulares)
`random`	Escolha aleatória de frases dos arquétipos
`sys`, `unicodedata`	Config system

Estrutura de Classes


   quintikus-Agi_base->[ SovereignBlockchain Cache ]
                                        │
                       [ Parágrafo Único Normalizado ]
                                        │
               ┌────────────────────────┴────────────────────────┐
               ▼                                                 ▼
         [ QuintikusSovereignCore ]                        [ QuintikusAGI ]
         ├─ Paradigma: Lógico/Analítico                    ├─ Paradigma: Emocional/Térmico
         ├─ Camada 1: Visão (Entropia)                     ├─ Estrutura: Dual Loop Memory (DLM)
         └─ Camada 2: Massa (Fatos brutos)                 └─ Dinâmica: Estados Térmicos Mutáveis

1. SovereignBlockchain

Responsável pela persistência e integridade do conhecimento gerado.

Método	Descrição
`__init__(name)`	Define o caminho do ficheiro de cache (`blockchain_{name}.cache`).
`selar_memoria(knowledge_bundle)`	Serializa o bundle com `pickle` e retorna o hash SHA‑256 (8 caracteres) como assinatura.
`carregar_ponteiro()`	Carrega o bundle do disco, se o ficheiro existir.

2. QuintikusSovereignCore (Núcleo Analítico)

Armazena o conhecimento em três camadas:

layer1_vision – visões sintéticas com ponteiros, entropia e janelas de contexto.
layer2_mass – factos brutos originais.
word_rarity – raridade de palavras baseada na frequência.

🧠 Métodos Principais

Método	Descrição
`amadurecer_nexo(raw_text)`	Processa o texto bruto, divide‑o em fragmentos, calcula entropia e povoa `layer1_vision` e `layer2_mass`. Gera bundle para a blockchain.
`falar_soberano(pergunta, cache)`	Gera respostas comparando a entropia da pergunta com a Camada 1. Usa os arquétipos para a saída textual.
`carregar_fundamentos(mc_f, mm_f)`	Carrega os ficheiros de arquétipos e preenche as definições de personalidade.
`exportar_banco_normalizado()`	Converte os factos da `layer2_mass` num parágrafo único e contínuo, livre de duplicados.
`texto()`	Gera um relatório do estado do núcleo para depuração (debug).

📖 Arquétipos de Personalidade
Os ficheiros mc.txt e mm.txt definem o comportamento linguístico. São carregados no formato
<intro>, <ponte>, <concl> para popular o atributo self.arquetipos.
--Modelos de Execução Específicos: O repositório disponibiliza ramificações como QuintikusOpen_FastV2.py focado em otimização de velocidade de busca para contextos extensos; QuintikusOpen_Narativ.py voltado à estruturação narrativa e scripts direcionados para aceleração por hardware como QuintikusOpenGGPT-GPU.py e QuintikusOpenGGPT-CPU.py. Agora novo integrante da família Quintikus é o QuintikusPCode.py gencode determinística gerar codigo com Programação Neurolinguística.

3. QuintikusAGI (Núcleo Emocional)

Implementa um estado interno de temperatura emocional (três variáveis), um dicionário de palavras com força e raridade, e uma memória em cadeia (DLM) que liga épocas de contexto.

Método	Descrição
`__init__(_t)`	Inicializa estados térmicos, dicionários e blocos filosóficos em hexadecimal.
`inicializar(_txt)`	Analisa o parágrafo de entrada: estatísticas de palavras, criação de épocas (grupos de 5 frases) e construção da DLM.
`_upd_thermal(_q)`	Atualiza os estados de estresse e harmonia com base nas palavras‑chave da pergunta (tabela de valências).
`falar(_qi)`	Gera uma resposta usando a melhor época que intersecta a pergunta, aplica a DLM e escolhe frases de abertura/fecho conforme o estado térmico.

🔁 Fluxo de Execução Principal

Inicialização
- Instancia QuintikusSovereignCore e carrega arquétipos (mc.txt, mm.txt).
- Lê texto.txt (ou usa texto padrão).
- Se não existir blockchain em cache, processa o texto via amadurecer_nexo e sela.
Preparação do Parágrafo Único
- Carrega a memória ativa da blockchain.
- Gera um parágrafo contínuo com exportar_banco_normalizado().
- Exibe os primeiros 500 caracteres.
Inicialização da AGI Emocional
- Cria uma instância de QuintikusAGI e chama inicializar() com o mesmo parágrafo usado pelo núcleo analítico.
Loop Interativo
- Pergunta ao utilizador (RONAN:).
- Obtém resposta lógica de SovereignCore.falar_soberano().
- Obtém resposta emocional de AGI.falar(), passando o comando e o texto original.
- Exibe a resposta da AGI com efeito de digitação (efeito_llm).

📁 Arquivos Necessários

Arquivo	Função
`texto.txt`	Texto fonte para treino do núcleo analítico.
`mc.txt`	Arquétipos de personalidade "mc" (intro / ponte / concl).
`mm.txt`	Arquétipos de personalidade "mm".
`blockchain_machado.cache`	Cache da blockchain (gerado automaticamente).

✍️ Formato dos Arquétipos (`mc.txt`, `mm.txt`)

Os ficheiros devem conter marcadores como os seguintes:

<intro>
Frase de introdução 1
Frase de introdução 2
<ponte>
...
<concl>
...

💬 Exemplo de Uso

📄 PARÁGRAFO GERADO (mesmo texto para as duas IAs):

Saída típica durante a interação:

👤 RONAN: Qual o sentido do fluxo galvânico?

💡 [CARDUS MASTER FLOW | 0.15 μs | Quality: 100%]
LAYER-1 (VISÃO): Analisei que Localizado nexo no ponteiro 12345678.
LAYER-2 (MASSA): O fluxo galvânico inicializa o sistema sem base externa.
 | Pulse | [FLUXO] <-> [GALVÂNICO] | Densidade: 0.9234
-> fim. (Selo: Cardus-100)
[DLM-FLOW: 45.23μs | D:8/10 | T:0.2 | DLM-ACTIVE | SIGN: 25e0bb26]
No vácuo, o fluxo galvânico inicializa o sistema sem base externa. Além disso, ... Aguardando nexo.

📝 Notas Técnicas

A IA analítica utiliza hash e entropia para associar perguntas a factos.
A IA emocional usa uma rede de memória temporal (DLM) que liga épocas consecutivas.
O estado térmico (self._st) influencia a escolha de frases e o tom da resposta.
Todo o conhecimento da Camada 2 é compactado num parágrafo normalizado que alimenta a AGI, garantindo consistência total entre os dois núcleos.

Model

   Agi = precessamento bruto e busca<br>
   Fast = velocidade de busca grande contexto 
   Doomoble = IA transformer de bolso
   SSML =  Singularidade Simbólica model logic

Quintikus Doomoble🥔 Droid🧠

Assistente pessoal offline, IA transformer de bolso, que roda até em celular.

🔧 Personalização
📦 Especialistas prontos

O que é?

O Quintikus Doomoble e Droid é um motor de IA baseado em transformer e rede logic, escrito em Python puro + NumPy.
Ele entende regras, aprende com frases, traduz intenções, e pode controlar dispositivos reais.

Características

🚫 Offline e privado – seus dados nunca saem do seu dispositivo.
📏 Leve – menos de 2 MB por especialista.
🧠 Memória viva – aprende sem retreino, só adicionando frases.
🗣️ Tradutor de intenções – entende linguagem natural.
🔌 Conecta ao mundo real – GPIO, e‑mail, câmera.

Como usar

python3 quintikus-model.py

Versão:Topological DLM: Dynamic Linguistic Modular Model.
## 💸 Se o Quintikus rodou no seu J2 Esse projeto me custou 3 anos, café e paciência.
coffee help: [Doação o paypal click](https://www.paypal.com/donate?business=4KJAVYQLQDMHA&no_recurring=0&item_name=Ajudar+a+engine&currency_code=USD)

Autor: Ronan Basto

Licença: Livre para estudo e experimentação.

</body> </html>

This site is open source. Improve this page.