J-Space 认知工作空间与概念多维投影画布

J-Space 认知工作空间与概念多维投影画布

@tiger3807861189/j-space-cognition·v1.0.9·storage

基于降维投影算法的可视化认知漫游空间。将高维向量语义空间投影至二维/三维交互画布,支持概念星系自由缩放、知识盲区直观定位与跨领域创新灵感联想。

认知画布 · UMAP降维 · 知识星系 · 三维可视化

GitHubNPM
快速安装与集成
bash
manager:
$ pnpm add @tiger3807861189/j-space-cognition

架构解析

「J-Space Cognition」赋予智能体直观审视高维概念世界的能力。传统的向量检索把高维数学向量当做冷冰冰的数字列表,人类与智能体都无法感知到知识库内部的概念分布聚类与结构漏洞。 本扩展基于 UMAP 与 t-SNE 降维算法,在本地构建了一个交互式的“概念星系画卷”。智能体在处理跨学科难题时,可以直观观察到不同知识孤岛之间的距离与桥接路径,甚至直接指出哪些知识区域属于“尚未探索的盲区”,为跨界科学发现、复杂商业模式构想提供全新的交互维度。

核心特性

01

WebGL 高性能三维空间漫游:流畅缩放与旋转数万个发光概念节点星系

02

UMAP 拓扑结构无损保持:最大限度保留真实语义空间中的邻近亲疏关系

03

知识盲区自动探测:直观高亮知识库中内容稀薄的空白区域,指导定向补全

04

跨学科联想路径推荐:计算两个完全不相关领域之间的最短语义连接跳数

核心机制

01

高维语义向量采样

提取知识库或会话历史中所有关键概念的高维 Dense Vector 嵌入。

02

UMAP 拓扑保真降维

运行流形学习算法,将几千维的复杂向量映射至保持局部关系的 3D 坐标。

03

交互式星系聚类呈现

在 WebGL 画布上渲染发光概念节点,以不同颜色代表不同技术领域。

04

知识盲区与联想发现

计算聚类间的低密度空白地带,引导智能体提出跨领域的创新解法。

配置参数参考 (YAML / JSON)

参数名类型默认值说明
projectionDimensionsstring3d可视化投影空间维度 (2d / 3d)
umapNeighborsnumber15UMAP 算法权衡局部与宏观结构的邻近节点数
enableWebGLGlowbooleantrue是否开启绚丽的概念节点发光后处理视觉效果