Symphony Core Docs

English

简体中文

English

简体中文

Appearance

SCP Canonical Embedding 实现规范（Implementation Specification） ​

版本：v0.3.2 生成日期：2026-02-25 状态：Production Implementation Blueprint

1. 文档目的 ​

本文档定义 SCP Canonical Embedding 的工程实现规范。

目标：

  • 提供可直接落地的实现说明
  • 定义模块划分
  • 定义数据结构
  • 定义算法流程
  • 定义版本控制策略
  • 定义安全与一致性要求

本规范面向：

  • 协议实现工程师
  • Registry 引擎开发者
  • 节点实现团队

2. 模块划分 ​

Canonical Embedding 实现必须拆分为以下模块：

  1. Text Normalization Module
  2. Embedding Engine Module
  3. Quantization Module
  4. Similarity Engine Module
  5. Elevation Decision Engine
  6. Registry State Manager
  7. Version Control Manager

3. 文本规范化模块 ​

输入：

  • attribute name
  • description
  • domain context

处理步骤：

  1. 转为 UTF-8
  2. 转小写
  3. snake_case 统一
  4. 去除控制字符
  5. 去除多余空格
  6. 标准化单位表达

输出：

normalized_text

必须 deterministic。

4. Embedding Engine 模块 ​

4.1 模型要求 ​

  • 固定模型版本（embedding_model_version）
  • 固定 tokenizer
  • 固定参数文件
  • 不允许在线推理 API

推荐模型：

  • MiniLM
  • SBERT
  • 或内部定制模型

4.2 生成流程 ​

vector = model(normalized_text)

输出浮点向量。

5. 量化模块（Quantization） ​

5.1 目标 ​

将浮点向量转换为 deterministic 整数向量。

5.2 实现步骤 ​

  1. 设定固定缩放因子 SCALE = 1000
  2. 对每个元素执行： int_value = round(float_value * SCALE)
  3. 转换为 int16
  4. 截断溢出值

必须保证：

  • 所有节点使用相同 SCALE
  • 使用相同 rounding 规则

6. Embedding Hash ​

embedding_hash = SHA256(serialized_int_vector)

仅 embedding_hash 存入 Registry。

7. 相似度引擎实现 ​

7.1 余弦相似度 ​

dot_product = Σ(v1_i * v2_i)

norm_v1 = sqrt(Σ(v1_i^2)) norm_v2 = sqrt(Σ(v2_i^2))

cos_sim = dot_product / (norm_v1 * norm_v2)

必须使用整数运算与固定精度。

8. 综合相似度计算 ​

S_total_v2 =

w1*S_name +
w2*S_type +
w3*S_value +
w4*S_embedding

默认权重：

w1=0.4 w2=0.2 w3=0.1 w4=0.3

权重必须写入配置文件并参与 semantic_version。

9. 升级决策引擎 ​

决策逻辑：

if S_total_v2 ≥ 0.92: merge() elif 0.8 ≤ S_total_v2 < 0.92: reject_upgrade() else: create_new_cluster()

同时必须检查：

  • stake threshold
  • distribution breadth
  • time stability

10. Registry 状态管理 ​

Registry 必须维护：

  • Attribute Table
  • Semantic Cluster Table
  • Embedding Hash Table
  • Registry Root Hash

每个 Epoch 计算：

RegistryEmbeddingRoot = hash(all embedding_hash)

11. 性能优化建议 ​

为避免全表扫描：

  • 使用 BK-tree 处理字符串相似度
  • 使用向量索引（如 HNSW）做候选筛选
  • 仅对候选执行精确余弦计算

12. 安全实现要求 ​

系统必须：

  • 禁止模型动态更新
  • 禁止节点私自替换 embedding_model_version
  • 在共识层验证 semantic_version
  • 拒绝不匹配版本的升级请求

13. 版本控制 ​

定义：

semantic_version = 2.x embedding_model_version = x.y

升级规则：

  • 模型升级必须 bump semantic_version
  • 旧属性不可 retroactive 修改
  • 新版本需生成新 embedding_hash

14. 单元测试要求 ​

必须包含：

  1. 相同输入跨节点一致性测试
  2. 不同模型版本冲突测试
  3. 量化精度回归测试
  4. 冲突合并测试
  5. 升级状态机测试

15. 部署建议 ​

推荐部署结构：

  • Embedding Engine 作为独立服务
  • Registry Engine 作为共识节点内部模块
  • 定期 snapshot RegistryEmbeddingRoot
  • 与 Settlement 层同步 Root

16. 结论 ​

本实现规范提供：

  • 可落地模块结构
  • 算法流程定义
  • 协议一致性保障
  • 安全控制要求

该文档为 SCP v0.3.2 Canonical Embedding 生产级实现蓝图。

结束。