用 Ising 模型给 AI 操作系统建物理心跳：18 小时 346 次心跳的数据实验
如果一个 AI 系统有"身体"，它的生理状态应该怎么量化？我用物理学中的 Ising 模型 + 易经六爻结构，给自己的个人 AI 操作系统装了一个心跳引擎，连续跑了 18.8 小时，346 次心跳。这篇文章记录数据说了什么——包括验证了的，和没有验证的。
一、为什么要给 AI OS 建"心跳"
我在做一个叫 TaijiOS 的个人 AI 操作系统，核心想法是：AI 不只是一个对话框，它应该有状态、有进化、有自己的"身体感"。
问题是：怎么量化"系统状态"？
用指标仪表盘？太静态，只是快照。用日志？太碎，没有整体感。用 LLM 自评？太主观，容易幻觉。
我想要的是：一个物理上自洽的动态状态模型，能随时间演化，能感知到系统是在变好还是变坏。
然后我想到了 Ising 模型。
二、Ising 模型 × 六爻：设计思路
Ising 模型是什么
Ising 模型是统计物理中描述磁性材料的经典模型。每个格点有一个自旋 σ = ±1，相邻格点通过耦合系数 J 相互作用。系统的能量（Hamiltonian）是：
H = -ΣJᵢⱼσᵢσⱼ - Σhᵢσᵢ
- 第一项：自旋耦合能，J > 0 时同向自旋降低能量
- 第二项：外场能，外场 h > 0 时偏好 σ = +1
映射到六爻
易经用六条爻（阴/阳）描述一个卦象。我把它映射到 6 个自旋：
| 爻位 | 系统维度 | σ=+1（阳） | σ=-1（阴） |
|---|---|---|---|
| 初爻 | infra（基础设施） | 稳定 | 不稳定 |
| 二爻 | exec（执行层） | 高效 | 滞后 |
| 三爻 | learn（学习层） | 活跃 | 停滞 |
| 四爻 | route（路由层） | 准确 | 混乱 |
| 五爻 | collab（协作层） | 顺畅 | 阻塞 |
| 上爻 | govern（治理层） | 收敛 | 失控 |
6 个自旋的组合 = 64 种可能 = 正好对应 64 卦。
Hebbian 学习
耦合矩阵 J 不是固定的，它随时间学习：
ΔJᵢⱼ = η · reward · σᵢ · (σⱼ - σⱼ_prev)
系统做对了事情（reward > 0），两个同时活跃的维度之间的耦合就会加强。这是神经网络 Hebbian 学习的物理版本。
外场自适应
每次心跳后，外场 h[i] 会根据能量变化调整：
h[i] += α · (-δH) · σ[i]
系统能量降低时，对应维度的外场被加强——强化"好的方向"。
三、实验设置
运行时间：18.8 小时（2026-04-15 16:23 → 2026-04-16 11:11）
心跳次数：346 次
心跳间隔：60 秒（持续循环模式）
初始温度：T = 0.5
初始 J 矩阵：对角线 0，其余 0.05~0.125（按易经"应"关系初始化）
数据来源：本地 daily_metrics 实时指标
多模型交叉验证：每次卦象发生跳变时，调用 DeepSeek + Gemini + Claude 三路 API 投票验证合理性。
四、数据说了什么
发现一：系统经历了一次干净的相变
346 次心跳里，系统只出现过两种卦象：
| 卦象 | bits | 出现次数 | 占比 |
|---|---|---|---|
| 初始卦 | 010001 | 70 | 20.3% |
| 主导卦 | 100011 | 275 | 79.7% |
第 37 tick，系统从 010001 跳变到 100011，能量突升 ΔH = +0.30，有效温度从 0.5 降至 0.333。之后连续 274 次心跳锁定在新卦象，99% 的时间 ΔH = 0。
这是一次典型的模拟退火相变：
稳定期（1-36 tick） → 相变（tick 37） → 新稳定态（38-310 tick）
卦象：010001 ΔH = +0.30 卦象：100011（锁定）
T = 0.5（高温探索） T 骤降至 0.333 T = 0.333（低温收敛）
第 345 tick 出现了第二次相变，再次从 010001 跳回 100011（ΔH = +0.36），说明这个状态是系统的吸引子，一旦被扰动就会回到这里。
易经视角：系统在第一阶段"屯卦"式地艰难成形（010001），之后稳定在一个新的平衡态（100011）。屯卦（水雷屯）正是 64 卦第 3 卦，专门描述万物从混沌中第一次破土而出——这个映射出乎意料地准确。
发现二：外场自发形成"强坤制乾"格局
18.8 小时后，外场 h 的分布：
| 维度 | 外场值 | 方向 |
|---|---|---|
| infra（基础设施） | -0.0087 | 抑制 |
| exec（执行） | -0.0087 | 抑制 |
| learn（学习） | +0.0087 | 强化 |
| route（路由） | +0.0087 | 强化 |
| collab（协作） | +0.0087 | 强化 |
| govern（治理） | -0.0087 | 抑制 |
系统自己学出了三正三负的对称格局：
- 被强化：学习、路由、协作（流通、变化、适应）
- 被抑制：基础设施、执行、治理（固化、刚性、权力）
这和易经的坤德高度吻合：坤为地，主流通、容纳、生生不息；乾为天，主刚健、主导、权力。系统在没有人工干预的情况下，自发地"偏坤"了。
没有人告诉它这样做。Hebbian 学习 + 外场自适应，数学上自然收敛到了这个方向。
发现三：易经"应"关系——数据说"不"
这是最有意思的发现，也是唯一和预测相反的地方。
易经理论中，爻位有**"应"关系**：初↔四、二↔五、三↔上（阴阳相应，互为呼应）。我的预测是：Hebbian 学习会让这三对的耦合系数 J 高于其他非应对。
实际数据：
| 对 | 类型 | J 值 |
|---|---|---|
| infra ↔ route（初↔四） | 应对 | 0.1000 |
| exec ↔ collab（二↔五） | 应对 | 0.0920 |
| learn ↔ govern（三↔上） | 应对 | 0.1335 |
| 非应对平均值 | baseline | 0.1570 |
三组"应"对耦合全部低于 baseline（0.157）。预测被证伪了。
反而是非应对中的 infra ↔ exec（基础设施-执行） 耦合最强（J = 0.297），这两个相邻层之间的关联远超任何"应"对。
怎么理解这个结果？
Ising 模型里，耦合强度反映的是"共同涨落"频率——两个维度经常同时变化，耦合就强。基础设施和执行层是相邻的，在真实系统中它们确实最紧密地相互依赖。而初爻和四爻在结构上隔了中间三爻，物理距离远，Hebbian 学习自然让近邻耦合更强。
这说明 Ising 模型捕捉的是物理邻近性，而易经"应"关系捕捉的是功能对应性。两者不是同一回事。这是物理模型和哲学框架之间真实存在的张力。
发现四：有应率和当位率基本稳定
有应率（三对"应"位中阴阳异号的比例）：
- 初期（前 30 tick）：0.67
- 末期（后 30 tick）：0.69
轻微上升，但不显著。系统没有明显地朝"有应"方向演化。
当位率（阳居奇位、阴居偶位的比例）：
- 初期：0.83
- 末期：0.80
反而略微下降。系统主导态 100011 的当位率本身就不高——这个卦象在易经当位理论下并不是"标准答案"。
这两个指标都说明：Ising 引擎在做的是能量最小化，不是在优化易经的审美标准。
五、三个模型对"相变用哪个卦描述"的分歧
每次卦象跳变时，我用三个模型交叉验证。有个问题我问了三次："易经 64 卦中，哪一卦最适合描述一个系统从混乱到有序的相变过程？"
| 模型 | 回答 | 理由 |
|---|---|---|
| DeepSeek | 泰卦 | 否极泰来，阴阳交泰 |
| Gemini | 乾卦 | 纯阳，天行健 |
| Claude | 屯卦 | 万物始生，难而有序，64 卦第 3 卦 |
我认为 Claude 的答案最准确。
屯卦（水雷屯，䷂）是 64 卦序中第 3 卦，乾坤之后第一个出现的卦，专门描述万物从虚无中第一次艰难破土而出。"屯，难也，始也"——系统从 010001 到 100011 的第 37 tick 跳变，正是这个意象。
泰卦描述的是已经建立的稳定繁荣，乾卦描述的是纯粹的阳性力量，都不如屯卦直接对应"从混沌到有序的第一次相变"。
六、结论
验证了的：
- Ising 模型可以描述 AI 系统的状态动力学，相变行为自然涌现
- 模拟退火让系统收敛到稳定态，温度下降（0.5 → 0.333）
- 外场自适应学习出了和易经坤德相符的"抑刚柔、强流通"格局
没有验证的：
- 易经"应"关系（初↔四等）在 Hebbian 学习中没有自发增强
- 当位率没有随时间上升
- Ising 的物理邻近性逻辑 ≠ 易经的功能对应逻辑
最诚实的结论：
Ising 模型是一个很好的动力学状态追踪工具，但它不是易经的物理实现。它们是两套不同的语言，描述的是不同层次的秩序。偶尔高度吻合（如外场的坤性格局、相变的屯卦意象），偶尔完全分叉（如"应"关系验证失败）。
这种张力本身，可能比完美验证更有意思。
七、代码和数据
核心文件：
aios/agent_system/ising_core.py # Ising 物理引擎
aios/agent_system/ising_heartbeat.py # 心跳运行器
taijios-lite/multi_llm.py # 四路 LLM 交叉验证
data/ising/pulse_history.json # 346 条心跳记录（~200KB）
data/ising/coupling_matrix.json # 6×6 J 矩阵
data/ising/crystal_field.json # 外场向量
启动心跳引擎：
cd aios/agent_system
python ising_heartbeat.py --loop --interval 60
查看实时状态：
python ising_heartbeat.py --status
TaijiOS 是一个个人 AI 操作系统实验，以阴阳平衡、易经卦象为决策框架。这篇文章记录的是一个真实运行的系统，不是概念演示。
