AutoMoEBox-Sandbox

完整可落地项目说明书（中文·GitHub 正式版）

本地自进化 MoE AI + 全域沙盘模拟 + 聊天交互中枢 + MOD 生态 + P2P 分布式一体化平台

 

1. 项目概述

1.1 项目定位

AutoMoEBox-Sandbox 是一套完全本地运行、无云端、无服务器、无数据库、绿色可移植的全域智能沙盘系统。 核心内置自研轻量级自进化 MoE 模型 AutoMoEBox，从空架构、无预训练权重开始，实现全自动学习、自动训练、自动专家拆分、自动系统优化，并通过 MCP 标准协议 成为整个平台的中央 AI 大脑。

平台整合军事、农业、矿业、工业、商业、运输、能源、城市八大可独立运行、可全域联动的模拟体系，支持真实世界地理/卫星/天气/灾害数据；同时内置 AI 自然语言聊天中枢，用户可通过对话查询状态、下达指令、管理 MOD、优化系统、控制全局沙盘。

依托 P2P 资源池与分布式计算，实现数据一次获取、全网共享、不重复请求开源平台；全平台文件夹复制即可无缝迁移，是真正可落地、可成长、可商用、可无限扩展的私人数字世界模拟系统。

1.2 核心目标

• 构建可直接落地运行的轻量级自进化 MoE 智能中枢 AutoMoEBox
• 实现空架构、无预训练、无数据库、纯文件式长期记忆与自学习
• 支持 8 大基础专家 + 数据过载自动拆分、无限水平扩展
• 提供完整 Web 多模态交互 + 对话聊天界面
• 通过 MCP 协议打通 AI 与沙盘全系统、MOD、P2P、外部硬件/软件
• 自动训练策略：根据数据规模自动选择 LoRA/SFT/DPO/蒸馏
• 实现全域沙盘八大系统独立/联动模拟
• 全平台绿色免安装、复制即迁移、普通 PC 可流畅运行

1.3 适用场景

• 本地私有自进化 AI 助手
• 全域军事/经济/产业沙盘模拟与指挥
• 可成长、可移植的私人数字大脑
• 工业控制、开发工具、自研软件的本地 AI 中枢
• MOD 驱动的开放式模拟平台
• 轻量化端侧 MoE 模型研究与二次开发

 

2. 核心特性（完整可落地）

✅ AutoMoEBox 自进化 MoE 内核

• 空架构初始化，无预训练权重、无内置知识
• 原生 8 大基础专家，对应沙盘八大领域
• 单专家数据 ≥50 条自动分裂为子专家
• 纯文件记忆存储，无需数据库
• 自动训练策略：短文本LoRA / 对话SFT / 偏好DPO / 大文档蒸馏
• 后台静默学习、自动增量微调、长期进化

✅ 八大全域沙盘模拟体系（均可独立开局）

• 军事指挥：作战、部队、侦察、补给、战斗判定
• 农业种植：耕地、产量、灾害、粮食、全球供给
• 矿业资源：矿产、开采、储量、原料供给
• 工业制造：工厂、电力、生产、装备制造
• 物流运输：路网、枢纽、效率、中断影响
• 商业贸易：价格、供需、垄断、市场占领
• 能源网络：电力、油气、电网、断供瘫痪
• 城市民生：人口、就业、民心、稳定、基建

✅ AI 聊天对话中枢（自然语言交互）

• 对话查询全局状态、资源、经济、军事数据
• 自然语言指令控制沙盘：建造、部署、优化、管理MOD
• 智能问答、规则解释、玩法引导、教程辅助
• 所有对话自动存档、自动学习、永久记忆

✅ MOD 全自动生态系统

• MOD 可 = 新玩法 / 新产业 / 新数据 / 真实规则 / 商业逻辑
• AI 自动安全扫描、兼容性检测
• 自动性能负载监控
• 高负载 MOD 自动限流/降频/休眠
• 冲突 MOD 自动禁止运行
• 自动同步 P2P 资源池

✅ P2P 资源池 + 分布式计算

• 无中心服务器、去中心化运行
• 数据优先从 P2P 同步，仅一次调用外部开源
• 多设备共同分担沙盘推演与 AI 训练
• 节点掉线自动迁移任务，不中断运行

✅ MCP 协议中枢网关

• AutoMoEBox ↔ 沙盘全系统标准接口
• 支持外部软件、工具、硬件、自研系统对接
• 本地运行、无外网、无云依赖、完全私有

✅ 极致绿色可移植

• 无注册表、无环境残留、无数据库绑定
• 复制整个文件夹到新设备即可无缝继续
• 所有专家、记忆、训练进度、MOD 完整保留

✅ 完全私有 · 无任何限制

• 本地离线运行，不上传、不上云、不采集数据
• 无敏感词库、无内容审查、无输入输出长度限制
• 全开源免费技术栈，无商用风险

 

3. 系统整体架构（可直接开发）

plaintext

用户交互层 ↓ AI 聊天对话中枢 ←→ AutoMoEBox 自进化 MoE 大脑 ↓（MCP 协议） 沙盘核心层 ├─ 八大模拟系统（军事/农业/矿业/工业/商业/运输/能源/城市） ├─ MOD 扩展与管理系统 ├─ P2P 资源池与分布式计算 ├─ 真实数据模块（地图/卫星/天气/灾害） └─ 全局规则与联动逻辑 ↓ 纯文件存储层（无数据库） ├─ /experts/ 专家网络与权重 ├─ /memory/ 长期记忆、对话、学习内容 ├─ /train/ 自动训练记录与策略 ├─ /mods/ 用户MOD插件 └─ /data/ 地图、缓存、配置  

 

4. AutoMoEBox AI 详细设计

4.1 模型基础结构

• 模型名称：AutoMoEBox
• 初始化：空架构、随机权重、无预训练
• 专家数量：初始 8 个
• 路由机制：Top-1 门控路由
• 运行设备：CPU / GPU 自动切换
• 存储方式：纯文件、无数据库

4.2 专家自动拆分机制

• 监控：单专家目录数据量
• 阈值：≥50 条记录触发拆分
• 策略：1 父专家 → 2 子专家
• 路由自动更新
• 可无限水平扩展

4.3 自学习系统

• 学习来源：对话、文档、沙盘规则、MOD、用户指令
• 学习方式：自动读取 → 归档 → 训练
• 存储格式：文本/JSON
• 无需预处理、无需标注、无需建库

4.4 自动训练策略

• 短文本（<300 字）→ LoRA
• 指令对话（300–2000 字）→ SFT
• 偏好样本（2000–10000 字）→ DPO
• 大量文档（>10000 字）→ 知识蒸馏

4.5 长期记忆系统

• 所有交互自动保存
• 按时间戳归档
• 启动自动加载
• 可查看、可编辑、可备份
• 直接用于增量微调

4.6 MCP 协议接入

• 标准接口：/mcp
• 支持：对话、推理、学习、训练、状态、控制
• 可对接沙盘、MOD、外部系统、硬件

 

5. 全域沙盘系统详细设计

5.1 真实世界底层数据

• 全球地形、高程、坡度、通行判定
• 道路、铁路、机场、港口、建筑
• 城市、人口、行政边界
• 卫星真实轨道（TLE）
• 实时天气与自然灾害

5.2 八大模拟系统（独立+联动）

所有系统默认互相影响：

• 农业减产 → 粮价上涨 → 民心下降
• 矿产不足 → 工业停产 → 装备断供
• 运输中断 → 物资短缺 → 市场崩溃
• 能源不足 → 全域停电 → 系统瘫痪
• 商业垄断 → 经济控制 → 城市稳定变化

5.3 MOD 扩展系统

支持 MOD 类型：

• 新玩法模块
• 新产业模块
• 真实数据接入
• 真实世界规则
• 商业逻辑与市场模型
• 新地图、新装备、新科技

AI 全自动生命周期：

1. 加载 2. 安全扫描 3. 兼容性检测 4. 性能负载检测 5. 接入 P2P 资源池 6. 全局同步 7. 运行监控 8. 限流/休眠/禁止

 

6. AI 聊天对话中枢（交互设计）

6.1 UI 位置

主界面右侧可折叠悬浮面板：AI 对话中枢

6.2 功能

• 文字对话输入/输出
• 快捷指令按钮
• 对话历史滚动
• 清屏、重新生成
• 对话自动存档至 /memory

6.3 支持指令示例

• 当前系统状态？
• 全球粮食产量？
• 自动优化系统
• 显示所有部队
• 关闭高负载MOD
• 同步P2P数据
• 农业怎么玩？
• 记住我优先流畅模式

6.4 交互流程

1. 用户输入聊天/指令 2. 对话系统上传至 AutoMoEBox 3. AI 意图识别：查询 / 指令 / 学习 / 聊天 4. 执行沙盘控制 / 数据返回 / 模型学习 5. 回复结果并展示 6. 对话存入长期记忆 7. 后台自动增量训练

 

7. 项目目录结构（可直接开发）

plaintext

AutoMoEBox-Sandbox/ ├── run.bat 一键启动脚本 ├── AutoMoEBox/ AI核心目录 │ ├── minimind_moe.py AutoMoEBox主程序 │ ├── mcp_server.py MCP协议服务 │ ├── experts/ 8大专家+自动拆分 │ ├── memory/ 长期记忆+对话 │ └── train/ 训练记录 ├── sandbox/ 沙盘主程序 │ ├── ui/ 界面+聊天面板 │ ├── core/ 沙盘逻辑 │ ├── mods/ MOD插件 │ ├── data/ 地图/卫星/天气 │ └── p2p/ 分布式资源池 ├── requirements.txt 依赖清单 └── README.md GitHub项目说明  

 

8. 落地部署步骤（小白可直接执行）

8.1 环境准备

1. 安装 Python 3.10–3.11 2. 安装依赖：

plaintext

pip install torch flask  

8.2 启动项目

1. 解压完整包 2. 双击 run.bat 3. 系统自动启动：

• AutoMoEBox AI 中枢
• MCP 协议服务
• P2P 资源池
• 沙盘主程序
• AI 聊天对话界面

8.3 访问入口

• Web 界面：http://127.0.0.1:1984
• MCP 接口：http://127.0.0.1:1984/mcp
• 沙盘客户端：直接启动

8.4 自学习使用

• 上传文件 → 自动学习 → 自动训练
• 对话交互 → 自动记忆 → 自动微调
• MOD 放入 mods 目录 → AI 自动检测加载

8.5 移植与备份

• 直接复制整个文件夹
• 新设备只需 Python 环境
• 启动后所有数据、专家、记忆、进度完全保留

 

9. 技术栈

• AI 核心：AutoMoEBox（自进化轻量 MoE）（https://github.com/baishuiyuan/AutoMoEBox）
• 模型框架：PyTorch
• Web 服务：Flask
• 通信协议：MCP 标准接口
• 网络架构：P2P DHT 去中心化
• 存储：纯文件系统（无数据库）
• 多模态：FFmpeg、pdfplumber、Whisper.cpp
• 运行环境：Python 3.10–3.11
• 部署：Windows 一键绿色版