多物种竞争与跨尺度信息素路由的群体智能协同编排框架
Production-grade TypeScript implementation of the paper "Multi-Species Competition and Cross-Scale Pheromone Routing for Swarm Intelligence Collaborative Orchestration".
Holobiont 是一个基于生物学约束理论的多智能体编排系统，融合三层自相似信息素路由与多物种达尔文式竞争：以统一的信息素方程在元层（任务类型→物种）、应用层（任务实例→种群实例）、智能体层（子任务→智能体实例）三个尺度上自相似工作，五种仿生算法物种（ACO/ABC/FA/SSO/DBO）在共享信息素协议下通过实际表现争夺任务处理权。
┌─────────────────────────────────────────────────────┐
│ CLI + TUI │
│ holobiont run | eval | viz | config │
├─────────────────────────────────────────────────────┤
│ eval/ │ firewall/ │ experience/ │
│ Benchmarks │ Backpressure │ Dual-trace │
│ Metrics (SSI) │ Bulkhead │ Fossil Rec │
│ Experiment runner │ Object Pool │ Cold-start │
├─────────────────────────────────────────────────────┤
│ colony/ │
│ Queen + Heartbeat + Succession (Σ Q_t election) │
│ Agent lifecycle: Spawn→Nomad→Die→Precipitate │
│ Species competition (Algorithm 1, Q/2 tie-break) │
│ Constraint layer + Cross-scale coupling (Eq 3/4) │
│ Epigenetic traits (5 traits + θ_low/θ_high) │
│ Drift monitor + 7 ecological patterns + Lifecycle │
├─────────────────────────────────────────────────────┤
│ species/ │
│ ACO: multi-ant path exploration (4 LLM calls) │
│ ABC: scout/employed/onlooker (4 calls) │
│ FA: brightness attraction (7 calls) │
│ SSO: vibration mesh (7 calls) │
│ DBO: 5-behavior cycle (5 calls) │
├─────────────────────────────────────────────────────┤
│ core/ │
│ Pheromone bus (Eq 1) + Equation engine (Eq 1-4) │
│ ThreeScaleMatrix (meta/app/agent 3-tier τ) │
│ Provider (Anthropic SDK + custom baseURL for GLM) │
│ Worker threads bridge + Trace writer │
└─────────────────────────────────────────────────────┘
- Node.js ≥ 22.0.0（推荐 24.x）
- pnpm ≥ 9.x
- Windows / macOS / Linux（开发环境为 Windows 10）
# 1. 克隆代码
git clone https://github.com/devnomad-byte/holobiont holobiont
cd holobiont
# 2. 安装依赖（pnpm workspaces 会自动 link 内部包）
pnpm install
# 3. 构建所有 packages
pnpm build复制配置模板并填入你的 API 凭证：
cp experiments/config.example.json experiments/config.json然后编辑 experiments/config.json：
{
"runId": "run-YYYY-MM-DD",
"provider": {
"baseURL": "https://open.bigmodel.cn/api/anthropic",
"authToken": "<YOUR_TOKEN>",
"model": "glm-5.2",
"maxTokens": 600
},
"judge": {
"baseURL": "https://open.bigmodel.cn/api/anthropic",
"authToken": "<YOUR_TOKEN>",
"model": "glm-5.2",
"maxTokens": 300,
"panelSize": 3
},
"routing": {
"rho": 0.1,
"alpha": 1.0,
"beta": 2.0,
"initialTau": 0.3,
"nonNicheTau": 0.1,
"tauDeltaFactor": 0.3
}
}支持的 Provider：本框架通过 Anthropic SDK 调用，任何兼容 Anthropic 协议的端点都可用。只需配置 baseURL + authToken + 对应 provider 文档中列出的模型名。常见选项：
| Provider | baseURL | 示例 model |
|---|---|---|
| 智谱 BigModel | https://open.bigmodel.cn/api/anthropic |
glm-5.2, glm-4.6, glm-4-flash 等 |
| Anthropic 官方 | https://api.anthropic.com |
claude-sonnet-4-6, claude-opus-4-6 等 |
| DeepSeek | https://api.deepseek.com/anthropic |
deepseek-chat, deepseek-reasoner 等 |
模型名请查阅对应 provider 的官方文档；本框架不对模型名做校验，遇到 4xx 错误时请核对 provider 文档。
# 跑单元测试（不需要 API key）
pnpm test
# 3 任务冒烟（需要 API key）
pnpm experiment:smoke:fullexperiments/config.json 完整字段说明：
| 字段 | 类型 | 默认 | 说明 |
|---|---|---|---|
runId |
string | — | 本次运行标识符，结果文件以此为前缀 |
provider.baseURL |
string | — | LLM API 端点 |
provider.authToken |
string | — | API key |
provider.model |
string | — | 模型名（如 glm-5.2） |
provider.maxTokens |
number | 600 | 单次生成 max tokens |
judge.panelSize |
number | 3 | Agent-as-a-Judge 裁判数 |
routing.rho |
number | 0.1 | Meta 层蒸发率 |
routing.alpha |
number | 1.0 | Eq 2 信息素指数 |
routing.beta |
number | 2.0 | Eq 2 启发值指数 |
routing.initialTau |
number | 0.3 | 生态位匹配物种的初始 τ |
routing.nonNicheTau |
number | 0.1 | 非匹配物种的初始 τ |
routing.tauDeltaFactor |
number | 0.3 | Eq 1 Δτ 乘数 |
experiment.interTaskDelayMs |
number | 500 | 任务间延迟（毫秒） |
output.dir |
string | ./results |
输出目录 |
# 3 任务冒烟（验证所有机制正常，约 3-5 分钟）
SMOKE=1 npx tsx experiments/holobiont-full.ts
# 全量 40 任务（约 30-40 分钟，消耗约 300-500K tokens）
npx tsx experiments/holobiont-full.ts这个入口集成所有 §2-§4 机制：三尺度 τ 矩阵、五物种编排、Algorithm 1、表观遗传、蜂后心跳、三防火墙、漂移检测、双痕迹记忆、Colony lifecycle、7 生态交互。
# 3 任务冒烟
SMOKE=1 npx tsx experiments/species-competition.ts
# 全量 40 任务
pnpm experiment这是早期实现的简化版本，只跑 Meta 层竞争（不含三尺度耦合、表观遗传、防火墙等）。用于快速验证 §4.2 Algorithm 1。
# Single-Agent + Random Routing 两个基线
npx tsx experiments/baselines.ts# 三尺度矩阵隔离演示（不调 LLM）
npx tsx experiments/scale-matrix-smoke.ts
# 五物种编排策略单独测试（调真实 LLM）
npx tsx experiments/species-smoke.ts# 所有包的单元测试
pnpm test
# 单独跑某包
pnpm --filter @holobiont/core test
pnpm --filter @holobiont/colony test
pnpm --filter @holobiont/species test
pnpm --filter @holobiont/experience test
pnpm --filter @holobiont/firewall test
# 持续监听模式
pnpm --filter @holobiont/core test:watch测试覆盖：60+ 单元测试覆盖所有 §2-§4 机制（方程、数据结构、物种编排、表观遗传、选举、漂移、双痕迹、知识体系、生态交互）。
holobiont/
├── README.md # 本文档
├── package.json # workspace 根配置
├── pnpm-workspace.yaml # pnpm workspace 声明
├── tsconfig.base.json # 共享 TS 配置（NodeNext, strict）
├── eslint.config.mjs # Alibaba f2e-spec ESLint 配置
│
├── packages/ # 7 个 workspace 包
│ ├── core/ # 基础层：类型、方程、PheromoneBus、Provider
│ │ └── src/
│ │ ├── types.ts # 品牌 types + PheromoneType/Scale 枚举
│ │ ├── equation-engine.ts # Eq 1/2/3/4 纯函数
│ │ ├── scale-matrix.ts # ThreeScaleMatrix 类（三层 τ + 跨尺度耦合）
│ │ ├── pheromone-bus.ts # EventEmitter + Eq 1 衰减
│ │ ├── provider.ts # Anthropic SDK + 自定义 baseURL
│ │ └── trace.ts # JSONL trace writer
│ │
│ ├── colony/ # 编排核心：Queen、生命周期、竞争、表观、漂移
│ │ └── src/
│ │ ├── competition.ts # Algorithm 1: routeCompetition + depositCompetitionSignals
│ │ ├── queen.ts # Queen + heartbeat + spawnAgent
│ │ ├── succession.ts # §4.4 累积适应度选举
│ │ ├── epigenetic-activation.ts # §4.3 selectTraits + injectTraitPrompts
│ │ ├── drift-monitor.ts # §4.7 漂移监控
│ │ ├── ecological.ts # §3 末尾 7 生态模式 + Colony lifecycle
│ │ ├── agent-lifecycle.ts # Spawn→Nomad→Die→Precipitate
│ │ ├── constraint-layer.ts # 5 不可变约束
│ │ ├── blueprint.ts # §4.6 WorkingBlueprint + 5 性状
│ │ ├── message-protocol.ts # QueenMessage / AgentMessage discriminated union
│ │ └── worker-pool.ts # worker_threads 池
│ │
│ ├── species/ # 五物种 LLM 编排策略
│ │ └── src/
│ │ ├── orchestrator.ts # SpeciesOrchestrator 接口 + 共享类型
│ │ ├── aco/orchestrator.ts # 多蚂蚁路径（4 calls）
│ │ ├── abc/orchestrator.ts # 侦察/工蜂/观察（4 calls）
│ │ ├── fa/orchestrator.ts # 亮度吸引（7 calls）
│ │ ├── sso/orchestrator.ts # 振动网格（7 calls）
│ │ ├── dbo/orchestrator.ts # 5 行为循环（5 calls）
│ │ └── registry.ts # 物种注册表
│ │
│ ├── experience/ # 自演化记忆
│ │ └── src/
│ │ ├── engram-store.ts # 快痕迹存储
│ │ ├── dual-trace.ts # §4.7 双痕迹（快 engram + 慢 τ Q-gated）
│ │ ├── cosine-similarity.ts # §4.7 漂移相似度
│ │ ├── cold-start.ts # 冷启动播种
│ │ ├── consolidation.ts # Q-gated 固化
│ │ ├── fossil-store.ts # §4.6 DNA→RNA→Protein→Fossil
│ │ └── checkpoint.ts # 蜂后继任检查点
│ │
│ ├── firewall/ # 资源管理
│ │ └── src/
│ │ ├── backpressure.ts # AIMD 背压（θ_high=0.85, θ_low=0.60）
│ │ ├── bulkhead.ts # 物种配额舱壁
│ │ └── object-pool.ts # DBO 对象池
│ │
│ ├── cli/ # Commander.js + Ink TUI（基础骨架）
│ └── eval/ # 评测工具（基础骨架）
│
└── experiments/ # 实验脚本（不在 workspace 包内）
├── config.example.json # 配置模板（克隆后复制为 config.json 并填 API key）
├── config.json # 本地配置（已 gitignore，不上传）
├── holobiont-full.ts # ★ 完整集成实验入口（所有 §2-§4 机制）
├── species-competition.ts # 简化实验（仅 §4.2 Algorithm 1）
├── baselines.ts # Single-Agent + Random 基线
├── species-smoke.ts # 5 物种编排策略单独冒烟
├── scale-matrix-smoke.ts # 三尺度矩阵隔离演示
└── results/ # 输出目录（按 runId 分子目录）
└── <runId>-full/
├── summary.json # ★ 论文 §5 数据来源
├── trace.jsonl # 全量 trace（每事件一行）
├── quality.json # 每任务每物种 quality
├── tau-meta.json # Meta 层 τ 矩阵最终态
├── tau-app.json # Application 层
└── tau-agent.json # Agent 层
tauMeta[taskType][species] // 战略层：物种对任务类型的适配
tauApp[taskInstance][swarmInstance] // 战术层：种群实例对任务实例的适配
tauAgent[subtask][agentInstance] // 操作层：智能体实例对子任务的适配三层使用同一个 Eq 1（τ(t+1) = (1-ρ)·τ(t) + Δτ），仅 ρ 不同：
- Meta: ρ=0.1（慢，长期战略记忆）
- App: ρ=0.3（中）
- Agent: ρ=0.5（快，快速适应当前任务）
跨尺度耦合：
- Eq 3 自底向上：子层 Δτ 均值聚合到父层（
aggregateAgentToApp,aggregateAppToMeta） - Eq 4 自顶向下：父层 τ 归一化后偏置子层 η（
biasAppEta,biasAgentEta）
每个物种用不同方式组织 LLM 调用：
| 物种 | 算法 | LLM 调用数 | 生态位 |
|---|---|---|---|
| s-aco | ACO 多蚂蚁路径 | 4（3 子任务 + 1 校对） | code, security |
| s-abc | ABC 侦察/工蜂/观察 | 4（1+2+1） | data, code |
| s-fa | FA 亮度吸引 | 7（3 候选 + 1 判 + 2 变种 + 1 最终） | design, data |
| s-sso | SSO 振动网格 | 7（3 r1 + 3 r2 + 1 合并） | security, code |
| s-dbo | DBO 5 行为循环 | 5（滚球/跳舞/觅食/偷窃/繁殖） | data, design |
Route-then-Orchestrate 模式（默认）：Meta 层 Eq 2 先选胜者物种 → 只有胜者的 orchestrate 被调用。
Step 1: 信号比例沉积到竞争总线（depositCompetitionSignals）
Step 2: Eq 2 选胜者；若平局 → Q = Q/2（qualityMultiplier = 0.5）
Step 3: 胜者强化 Δτ = Q × multiplier × factor；败者纯蒸发
Step 4: 蜂后生成胜者物种（受背压门控）
5 性状（colony_deliberation, test_driven_foraging, systematic_pathfinding, colony_review, verification_ritual）按浓度依赖激活：
concentration < θ_low → 激活度 = 0
concentration > θ_high → 激活度 = 1.0
介于之间 → 线性插值
激活的性状作为 prompt 前缀注入到 system prompt（injectTraitPrompts，固定 1x 不重复）。
- 心跳：每 5 秒发
queen.alive（浓度=1.0） - 空位期：
τ(queen.alive) < 0.1时进入 interregnum - 选举：
electSuccessor()按f(i) = Σ Q_t排序所有活智能体 - 兜底：零候选时提升永久身份
queen-emeritus
DNA (MasterGenome) → RNA (WorkingBlueprint) → Protein (AgentProtein) → Fossil Record
设计时固定 spawn 时转录 运行时累积行为 死亡时沉淀
变异（colony-D12）：仅 Statary 阶段触发；累积 ≥10 条 Fossil 后，若均值 < 历史 × 0.8 则提议 MutationDelta。
每次完整实验写入 experiments/results/<runId>-full/：
以下为字段说明（数值为示例，实际值见
experiments/results/run-2026-06-22-glm52-full/summary.json）：
{
"runId": "run-2026-06-22-glm52-full",
"totals": {
"tasksRun": 40,
"generationTokens": 520000,
"avgTokensPerTask": 13000,
"avgLatencyMsPerTask": 50000,
"heartbeatCount": 400,
"queenKilled": true
},
"qualityByType": {
"code": { "avg": 0.40, "best": 0.85, "n": 10 },
"data": { "avg": 0.45, "best": 0.90, "n": 10 },
"design": { "avg": 0.35, "best": 0.75, "n": 10 },
"security": { "avg": 0.38, "best": 0.80, "n": 10 }
},
"ssiByType": { "code": 1.0, "data": 1.0, ... },
"ssiByTypeExcludingTieBreak": { ... },
"tieBreakRate": 0.10,
"earlyTieBreakRate": 1.0,
"lateTieBreakRate": 0.0,
"finalTauMeta": { ... },
"fitnessRecords": [ ... ],
"fossilCount": 40,
"lifecyclePhase": "statary"
}每事件一行 JSON，含 seq, ts, runId, taskId, kind, payload。事件种类：
| 类别 | kind |
|---|---|
| 任务 | task-start, task-end |
| 路由 | meta-routing, signal-deposit |
| 方程 | eq1-evaporation, eq3-aggregation, eq4-bias |
| 物种 | species-orchestrate |
| 评估 | judge-score |
| 蜂后 | queen-death-injected, succession-event |
| 表观 | trait-activation |
| 防火墙 | firewall-backpressure |
| 漂移 | drift-check |
| 记忆 | engram-write, fossil-record |
| Lifecycle | phase, phase-transition |
tau-meta.json— Meta 层（4 任务类型 × 5 物种）tau-app.json— Application 层（任务实例 × 种群实例）tau-agent.json— Agent 层（子任务 × 智能体实例）
每行一条评分记录：{ taskId, taskType, species, quality, judges }
| 论文章节 | 实现代码 |
|---|---|
| §2.1 元优化方程 Eq 1 | packages/core/src/equation-engine.ts:updatePheromone() |
| §2.1 选择概率 Eq 2 | packages/core/src/equation-engine.ts:selectProbability() |
| §2.3 自底向上 Eq 3 | packages/core/src/equation-engine.ts:aggregateDelta() + scale-matrix.ts:aggregateAgentToApp/aggregateAppToMeta |
| §2.3 自顶向下 Eq 4 | packages/core/src/equation-engine.ts:biasHeuristic() + scale-matrix.ts:biasAppEta/biasAgentEta |
| §2 三尺度 τ 矩阵 | packages/core/src/scale-matrix.ts:ThreeScaleMatrix |
| §3 五物种算法 | packages/species/src/{aco,abc,fa,sso,dbo}/orchestrator.ts |
| §4.1 双层面架构 | packages/colony/src/constraint-layer.ts |
| §4.2 Algorithm 1 | packages/colony/src/competition.ts:routeCompetition + depositCompetitionSignals |
| §4.3 表观遗传性状 | packages/colony/src/epigenetic-activation.ts |
| §4.4 蜂后继任 | packages/colony/src/queen.ts + succession.ts |
| §4.5 三防火墙 | packages/firewall/src/{backpressure,bulkhead,object-pool}.ts |
| §4.6 知识体系 | packages/experience/src/fossil-store.ts |
| §4.7 漂移检测 | packages/colony/src/drift-monitor.ts + packages/experience/src/cosine-similarity.ts |
| §4.7 双痕迹记忆 | packages/experience/src/dual-trace.ts |
| §5 实验 | experiments/holobiont-full.ts |
| §5 SSI 指标 | 实验脚本内 computeSSI() 函数 |
症状：tsx experiments/... 报错 No "exports" main defined in @holobiont/core
原因：workspace 包未正确 link 到根 node_modules。
修复：
pnpm install # 重新 link如果根 package.json 缺少 dependencies 字段（旧版本），手动添加：
"dependencies": {
"@holobiont/core": "workspace:*",
"@holobiont/colony": "workspace:*",
"@holobiont/experience": "workspace:*"
}症状：API 返回模型不存在错误（HTTP 4xx）
原因：config.json 的 model 字段与 provider 不匹配。
修复：查阅对应 provider 的官方文档，使用其支持的模型名（每家 provider 的命名规则不同，本框架不做模型名校验）。
症状：所有 LLM 调用失败
可能原因：
- API key 错或过期（检查
config.json:authToken） - 模型名错（见上一条）
baseURL拼写错误
修复：核对 config.json 三字段（baseURL / authToken / model）与 provider 官方文档一致。provider.ts 会自动对非 api.anthropic.com 端点跳过 thinking: disabled 字段，避免协议不兼容。
# 单独跑某测试文件查看详情
pnpm --filter @holobiont/colony test -- --run src/__tests__/competition.test.ts预期耗时：
- 3 任务冒烟（
SMOKE=1）：3-5 分钟 - 40 任务全量：30-40 分钟
预期 token 消耗：
- 3 任务：~20K
- 40 任务：~400-500K
如果明显超出预期，检查：
- 是否所有 5 物种都被路由过（不应该一物种独占）
- 平局率是否过高（routing 没学到）
- 是否触发了故障注入（task 20 后会杀蜂后，选举会消耗时间）
- ESLint：
eslint-config-aliv16+（Alibaba f2e-spec） - Prettier：与 ESLint 集成
- TypeScript：
strict: true，禁用any - 命名：文件 kebab-case（
pheromone-bus.ts），类 PascalCase（PheromoneBus），函数/变量 camelCase（emitPheromone），常量 UPPER_SNAKE_CASE（DEFAULT_RHO） - 导出函数 必须有 JSDoc（
@param+@returns）
- 在
packages/species/src/<new-species>/orchestrator.ts实现SpeciesOrchestrator接口 - 决定该物种的 LLM 编排模式（X calls，特定 prompt 模式）
- 在
packages/species/src/__tests__/<new-species>-orchestrator.test.ts写 mock provider 测试 - 在
packages/species/src/index.ts导出 - 在实验脚本
ORCHESTRATORS数组加入
MIT License. See LICENSE.
@article{qi2026holobiont,
title={Multi-Species Competition and Cross-Scale Pheromone Routing
for Swarm Intelligence Collaborative Orchestration},
author={Qi, Jianchun and Lin, Feng},
journal={Application Research of Computers},
year={2026},
note={Under review}
}