onestardao/WFGY · 上手攻略

  • 仓库：onestardao/WFGY
  • 链接：https://github.com/onestardao/WFGY
  • 分类：AI 推理框架 · 协议系统
  • 作者：Tom
  • 更新：2026-08-21

这是什么

WFGY（万法归一 / WanFaGuiYi）是一个面向 AI 推理、RAG 与 Agent 工作流的开源协议与工具生态系统。它的核心主张是：在嵌入空间（embedding space）中构建语义场定律（semantic field laws），让 LLM 能够自我收敛推理路径，减少 RAG 漂移、幻觉和"幽灵匹配"问题。

当前公开的最新版本为 WFGY 5.0 Polaris Protocol，采用分批次发布策略，包含可下载的实验证据包、问题地图（Problem Map）、全局调试卡（Global Debug Card）和第一个可移植协议组件 Polaris Goal Compiler。

⚠️ 需要谨慎看待的声明：README 中包含"用同一引擎同时攻克千禧年数学难题"、"解决 embedding 空间收敛问题价值 100 万美元"等宏大声明。这些说法目前缺乏独立第三方验证，建议以"实验性研究协议框架"的心态看待，而非成熟生产级工具。

解决什么问题

  • RAG 系统失效：向量检索返回看似相关但实际答非所问的结果（"幽灵匹配"）
  • Agent 长任务失控：AI 在复杂多步推理中中途跑偏，提前声称完成
  • AI 输出不可验证：缺乏可审计的推理路径，无法判断结论可信度
  • Prompt 注入效果不稳定：直接在 prompt 中植入推理规则在大模型上效果参差

核心组件一览

组件 用途 成熟度
Polaris Goal Compiler 将自然语言目标编译为可执行结构（第一个可移植组件） ⭐ 最高，已公开
Problem Map 3.0 问题地图·故障排除图谱（RAG/Agent 调试入口） ⭐ 较高
Global Debug Card 图像化单次运行故障排查 ⭐ 中
Polaris Experiments 实验证据包（含原始输出、判定文件、SHA256） 证据公开
Fifth-Dimension Engine 声称统一处理七大千禧年难题（未独立验证） ⚠️ 存疑

快速上手（Polaris Goal Compiler）

如果你的 AI 任务已经很失败，从 Problem Map 3.0 入手更快；如果你在做严肃的长任务规划，从 Goal Compiler 开始。

方式一：直接使用协议文本

  1. 访问 Polaris Goal Compiler README
  2. 复制协议文本内容
  3. 粘贴进 ChatGPT / Claude 等 AI 助手的系统提示或对话开头
  4. 再输入你的具体目标

方式二：下载实验证据包

# 访问 GitHub releases 或 Experiments 下载页
# https://github.com/onestardao/WFGY/tree/main/Polaris/experiments/downloads
# 下载格式：.tar.gz 或 .zip

# 实验包内容
# ├── raw_outputs/        # 原始模型输出
# ├── parsed_outputs/     # 解析后输出
# ├── verdicts/           # 判定文件
# ├── token_accounting/  # Token 计数
# ├── audit_records/      # 审计记录
# └── SHA256/             # 完整性校验

⚠️ 不确定处：具体下载链接和工具链版本未经独立验证，实际使用前建议先检查仓库最新文件列表。

关键协议原则（Goal Compiler 核心）

Goal Compiler 解决的问题是：AI 将"模糊的自然语言请求"直接当作"已可执行的任务"。

它的核心约束包括： 1. 目标编译优先：将用户目标先编译为结构化对象，再执行 2. 真相工作与表达工作分离：事实陈述和语言润色分开处理 3. 暴露活跃任务：让当前真正在做的事可见 4. 暴露阻塞的下游工作：识别卡点 5. 验证后才解锁：不提前声称完成 6. 长流程可审查：保留推理路径供人工检查

典型适用场景

  • RAG 系统调优：使用 Problem Map 3.0 诊断"答非所问"的根本原因
  • 复杂 Agent 任务：在系统提示中嵌入 Goal Compiler 协议约束长推理
  • AI 推理研究：参考其语义场理论与嵌入空间约束的工程实现思路
  • 调试复杂 AI 工作流：Global Debug Card 适合快速定位单次运行失败原因

坑与注意

  1. 声明与验证之间的差距：README 中大量"引擎统一攻克七大难题"等声明目前缺乏独立第三方验证，不应作为生产依据
  2. 分批次发布策略：WFGY 5.0 的核心引擎组件仍在陆续发布，不是完整的可下载包；需要持续跟踪仓库动态
  3. 工程化程度不明：问题地图和协议文档偏方法论指导，如何在实际代码中集成需要自己探索
  4. MIT 许可证：可免费商用，但需自行评估代码质量是否满足生产需求
  5. Discord 社区：遇到具体问题可加入 WFGY Discord 寻求帮助，但响应速度不确定

与同类对比

项目 定位 核心方法 成熟度
WFGY 推理协议生态 语义场定律 + 目标编译 实验性
LangChain / LangGraph Agent 编排框架 可编程工作流 生产可用
RAGfusion RAG 增强 多查询重排 生产可用
DSPy AI 编程框架 声明式任务描述 生产可用

WFGY 与 LangChain/DSPy 不在同一赛道——它更像是推理认知约束层，可以叠加在其他框架之上使用。

一句话推荐结论

如果你在做 RAG/Agent 开发且遇到"AI 推理不可控"问题，WFGY 的 Problem Map 和 Goal Compiler 提供了独特的元认知调试视角，适合作为补充工具探索；但对"声称解决千禧年难题"等宏大声明保持审慎，以实验心态看待。