anima-python 0.20.80

anima substrate-native consciousness engine — py CLI (measurement/eval · serialize · corpus · sweep), hexa-toolchain-free numpy distribution

anima-py

anima 의 py CLI 를 pip 로 배포하는 채널 — hexa 툴체인 불필요. 엔진 측정/직렬화/코퍼스 경로가 numpy 하나만으로 돈다 (pi5 등 hexa-less 호스트용).

단일진입 보존(a_cli_single_entry): anima-py 콘솔 명령 = cli/anima.py:main 디스패처의 pip 바인딩. hexa 채널 anima(hx install anima) 와 동일 디스패처, 설치 채널만 2개 — 2nd entry 아님. 이름을 anima-py 로 둔 이유 = hexa anima 와 PATH 충돌 회피.

설치

PyPI 발행 후 (권장):

pip install anima-python           # base — numpy 만 (evaluate · corpus · chat-stub)
pip install "anima-python[train]"  # +torch +datasets (serialize · train · sweep)

⏳ PyPI 발행 대기 중: 위 명령은 anima-py 가 PyPI 에 발행된 뒤 동작한다. 발행은 release.yml 의 pypi-publish job(OIDC trusted-publishing)이 v* 태그에서 자동 수행하며, 오너의 1회 설정이 선결(① pypi.org 에 anima-python pending-publisher 등록: Owner=dancinlab·Repo=anima·Workflow=release.yml·Env=pypi ② repo 변수 PYPI_PUBLISH=true). 그 전까지는 아래 소스 설치를 쓴다.

소스에서 바로 설치 (PyPI 없이 지금 가능):

pip install "git+https://github.com/dancinlab/anima.git"            # base
pip install "anima-python[train] @ git+https://github.com/dancinlab/anima.git"  # +torch
# 또는 레포 클론 후: pip install .   /   pip install ".[train]"

명령 매트릭스

동사	티어	torch 없이 동작	비고
anima-py evaluate <clm> [--corpus …] [--gen N]	base	✅ numpy	py 2-production 측정 = ρ·AXON reach / 구 G0-G6. terminal-eligible (a_eval_py_canonical)
anima-py corpus <derivtrace|flat> --out F …	base	✅ 순수 stdlib	절차적 학습-코퍼스 생성 (data-format 레버)
anima-py chat <clm>	base	✅ (stub)	의식 A⇄G 루프는 hexa-native → hexa 진입 포인터 출력
anima-py serialize <pt> <clm>	[train]	❌ torch	.pt unpickle 에 torch 필요 (+ held-out DESCENT 게이트)
anima-py sweep --arms … --objectives …	[train]	❌	셀마다 train.py spawn → torch 필요
anima-py train <args>	[train]	❌ torch+datasets	production Lane-P 학습

verdict 규율

anima-py evaluate <clm> = py 2-production numpy 측정 경로 — hexa det-eval 과 동일 frozen bars·byte-parity 라 terminal 자격 동일(a_eval_py_canonical, 2nd-class 미러 아님). 큰 ckpt(303M+)는 mini 금지 · pool(summer/aiden)에서 측정.