内容
# KALKI 人工智能 — 克里希纳人工格子关键智能
<p align="center">
<b>下一代企业智能操作系统</b>
</p>
<p align="center">
<a href="https://KGupta171025.github.io/KALKI-1.5/">
<img src="https://img.shields.io/badge/实时预览-GitHub_Pages-00F0FF?style=for-the-badge&logo=github" alt="GitHub Pages实时预览" />
</a>
</p>
---
## 🌟 执行摘要
**KALKI 人工智能**（**克里希纳人工格子关键智能**）是一个下一代的统一人工智能生态系统，旨在作为一个完整的**智能操作系统**运行。为云、桌面、移动设备、智能手表和边缘IoT设备设计的KALKI AI，将大型语言模型、视觉语言模型、小型语言模型、专家混合任务路由、多代理编排、混合RAG搜索、分层内存和防御性网络安全防护等功能集于一体。
---
## 🏗️ 7层系统架构蓝图
```
+-----------------------------------------------------------------------+
| 第 1 层: 用户界面层 |
| 网页 (Next.js) | 移动设备 (Flutter) | 桌面设备 (Tauri) | 智能手表 | API|
+-----------------------------------------------------------------------+
| 第 6 层: 安全与治理层 (周界和内联审计) |
| OAuth2 / 多因素身份验证 | RBAC 控制 | AES-256 端到端加密 | AI 安全与防御 |
+-----------------------------------------------------------------------+
| 第 2 层: 多模态感知层 |
| 文本与PDF解析 | OCR与场景视觉语言模型 | Whisper 音频 | 传感器流 |
+-----------------------------------------------------------------------+
| 第 4 层: 代理编排层 |
| 计划器 | 研究 | 内存 | 执行器 | 验证器 | 安全 |
| 标准协议: MCP (模型上下文协议) 与 A2A 代理间通信 |
+-----------------------------------------------------------------------+
| 第 3 层: 推理与模型层 |
| 专家混合任务路由 | 大型语言模型集群 | 边缘小型语言模型 (INT4) | LCM 对话式模型|
+-----------------------------------------------------------------------+
| 第 5 层: 知识与RAG层 |
| 稠密向量 + BM25稀疏 | 跨编码器重排 | Neo4j 知识图谱 |
+-----------------------------------------------------------------------+
| 第 7 层: 基础设施层 |
| Kubernetes (EKS/GKE) | Docker Compose | 边缘运行时 | Prometheus |
+-----------------------------------------------------------------------+
```
---
## 🚀 主要功能与能力
- **超快速性能**: 端到端响应延迟预算目标小于 **<500毫秒**，混合RAG检索 **<200毫秒**。
- **自主多代理编排**: 专门的计划器、研究、内存、执行器、验证器和安全代理通过 **MCP** 和 **A2A** 进行通信。
- **分层内存系统**: 短期上下文、长期用户偏好、语义嵌入、情景历史和程序化DAG模式。
- **混合RAG引擎**: 互惠排名融合（RRF）结合稠密向量搜索和BM25稀疏关键词索引与跨编码器重排。
- **防御性网络安全**: 内置安全审计工具、SAST/DAST合规性报告、异常检测和严格的安全防护措施。
- **边缘AI部署**: 量化INT4小型语言模型，能够在移动设备和IoT设备上离线运行。
---
## 📚 技术文档索引
详细的设计图和规格说明书可在 [`docs/`](./docs/) 目录中找到:
- 📐 **[系统架构蓝图](./docs/ARCHITECTURE.md)** — 全面的7层设计与延迟预算。
- 🗄️ **[数据库与内存模式](./docs/DATABASE_SCHEMA.sql)** — PostgreSQL关系模式与向量索引。
- 🌐 **[API规格说明书](./docs/API_SPECIFICATION.yaml)** — OpenAPI 3.0规格说明书适用于网关、代理、RAG和安全。
- 🤖 **[多代理协议](./docs/AGENT_PROTOCOLS.md)** — 模型上下文协议（MCP）与代理间（A2A）IPC。
- 🔍 **[RAG流水线规格说明书](./docs/RAG_PIPELINE.md)** — 混合检索、RRF数学、重排和引用模型。
- 🛡️ **[安全与治理](./docs/SECURITY_AND_GOVERNANCE.md)** — RBAC矩阵、端到端加密、防御性网络安全和HITL。
- 🐳 **[部署与DevOps](./docs/DEPLOYMENT_AND_DEVOPS.md)** — Kubernetes清单、边缘SLM流水线、Prometheus指标。
- 📊 **[商业与可扩展性](./docs/BUSINESS_AND_SCALABILITY.md)** — 基础设施成本模型、1000万用户扩展路线图、风险矩阵。
---
## 💻 技术栈概览
- **前端**: Next.js 14, React 18, TypeScript, Tailwind CSS, Lucide Icons.
- **后端**: Python 3.11+, FastAPI, Pydantic v2, Asyncio, gRPC.
- **AI与ML**: PyTorch, Hugging Face Transformers, vLLM, ONNX Runtime, llama.cpp.
- **数据与存储**: PostgreSQL (with `pgvector`), Redis, Qdrant Vector Store, Neo4j 知识图谱.
- **DevOps**: Docker, Docker Compose, Kubernetes, Helm, Prometheus, Grafana.
---
## 🛠️ 快速入门指南
### 先决条件
- Docker & Docker Compose
- Python 3.11+
- Node.js 18+
### 1. 通过Docker Compose运行
```bash
# 克隆仓库
git clone https://github.com/KGupta171025/KALKI-1.5.git
cd KALKI-1.5
# 启动全栈（FastAPI后端、Next.js前端、PostgreSQL、Redis、Qdrant）
docker compose up --build
```
访问服务：
- **网页UI仪表盘**: `http://localhost:3000`
- **FastAPI OpenAPI文档**: `http://localhost:8000/docs`
- **Qdrant向量仪表盘**: `http://localhost:6333/dashboard`
---
## 📜 许可证与治理
在负责任的AI准则下开发。为授权的、合乎道德的企业部署和防御性网络安全监控而设计。
