fly-instinct · 果蝇连接组“本能引擎”

一个可复用、非学习、纯本地的“本能”信号源：把输入刺激喂进一个权重冻结、不训练的递归网络（核心是真实果蝇 MaleCNS 连接组子图），得到一个“像活物本能反应”的信号——既不是白噪声（死的），也不是脚本规则（可预测）。

定位一句话：它是一个有结构的、非学习的反应算子，用于给“需要‘活的反应’”的项目提供信号。 它不是智能、不是大脑、没有意识、不会学习。

💎 想要下好、接好、调好的完整 1.05GB 连接组 + 4 个预调“本能”预设 + 商业授权？ → Gumroad（$6.9） （免费层 = 本仓库 + pip install fly-instinct，含 25MB 子集 + 全部代码；付费层 = 完整连接组即用包）

---

文件结构

fly-instinct/
├── pyproject.toml          # 打包配置（pip install . 或从 PyPI 安装）
├── fly_instinct/           # Python 包（发布进 PyPI 的部分）
│   ├── engine.py           #   引擎（FlyInstinct）：冻结递归网络 + LIF 动力学
│   ├── loader.py           #   数据加载：真实 MaleCNS 子集 -> 冻结稀疏矩阵
│   ├── datafetch.py        #   数据下载工具（25MB 子集，断点续传+校验）
│   ├── presets.py          #   预调“本能”预设（逃避/趋糖/惊跳/探索）
│   ├── fullconnectome.py   #   完整 1.05GB 连接组接入（下载+转换+加载）
│   ├── presets/            #   内置预设 JSON（随包分发）
│   └── __main__.py         #   CLI：fetch-data / get-full 入口
├── examples/
│   ├── poc_demo.py         # PoC（替身网络版，150 节点，无需数据）
│   └── poc_real.py         # PoC（真实 MaleCNS 连接组版）
├── data/                   # 真实 MaleCNS 子集（~25 MB，不进 pip 包）
│   ├── edges.csv           #   连接权重图 pre,post,weight（1,587,930 条边）
│   ├── annotations.csv     #   细胞类型/超类（root_id,cell_type,superclass）
│   └── neurotransmitters.csv#  递质（root_id,transmitter,confidence）
├── instinct_poc.png        # 替身版三方对比图
├── instinct_poc_real.png   # 真实数据三方对比图
├── README.md               # 本文件（操作文档）
├── MODEL.md                # 模型说明（架构/数据出处/完整连接组接入）
├── LICENSE.md              # 许可与署名（数据 CC-BY 4.0 + 代码 MIT）
├── LICENSE_COMMERCIAL.md   # 商业使用授权书（随付费完整包提供）
├── SALES_COPY.md           # 上架文案（Gumroad/知乎/公众号）
├── PUBLISH.md              # 发布清单（署名/合规/商用边界）
└── PUBLISH_STEPS.md        # 逐步发布操作（GitHub/PyPI/收费渠道/内容）

---

安装

方式 A：pip 安装（发布后）

pip install fly-instinct          # 核心（numpy + scipy）
pip install fly-instinct[demo]    # 含 matplotlib，可跑 examples 出图

方式 B：从本仓库安装

cd fly-instinct
pip install .                      # 或 pip install .[demo]

下载数据（一次性，25MB）

python -m fly_instinct fetch-data --out data
# 或安装后的命令行入口：
fly-instinct-fetch-data --out data

数据是 CC-BY 4.0 的 MaleCNS 子集（上游 Janelia），体积 25MB 故不进 pip 包； 下载走 HuggingFace 镜像（国内可达），断点续传 + 大小校验，已存在则自动跳过。

纯本地、无 API、无密钥、数据不外传。 计算全部在本机 CPU 完成（唯一联网动作是上面这一次性数据下载）。

---

快速开始：跑 PoC

cd fly-instinct

# 真实连接组版（推荐，需先 fetch-data 到 data/）
python examples/poc_real.py     # 自动选增益 + 三方对比 + 输出 instinct_poc_real.png

# 替身版（不需要数据，150 节点，秒级）
python examples/poc_demo.py     # 输出 instinct_poc.png

poc_real.py 在同一“威胁逼近”刺激下对比三种反应：

反应	响应延迟*	lag-1 自相关（结构）	与刺激相关	威胁期发放率
纯随机（白噪声·死的）	47	≈0	≈0	—
纯脚本（规则·可预测）	131	1.000	0.998	—
真实本能（MaleCNS·非学习）	128	0.551	−0.204	15.9%

* 响应延迟 = 相对刺激前基线上升超过 0.25 的第一个时间步（威胁在 t=120 出现）。

---

作为插件使用（一行）

from fly_instinct import FlyInstinct

# 真实连接组（推荐）
fly = FlyInstinct.from_malecns(
    "data/edges.csv",
    ann_path="data/annotations.csv",
    nt_path="data/neurotransmitters.csv",
    seed=7, in_neurons=800, gain=2.0, spectral_radius=0.9,
)
reaction, spikes = fly.react(stimulus)   # stimulus: 1D/2D 数组
# reaction: (T,) 本能反应强度（静息基线=0，峰值=1；被抑制时可能有小幅负值）
# spikes:   (n, T) 每个神经元发放（0/1），供可视化

# 或替身版（不需要数据）
fly = FlyInstinct(n_neurons=150, seed=7, gain=6.0)
reaction, spikes = fly.react(stimulus)

接口约定

• fly.react(stimulus, noise=0.0, smooth=1) -> (reaction, spikes)
• 权重在构造时永久冻结，react() 不做任何学习；给定 seed+刺激，输出确定性（除非显式 noise>0）。
• noise>0 可叠加一点“热噪声”，更接近真实生物（可选）。

典型用途：游戏 NPC 本能行为、生成艺术/ComfyUI 的有机扰动、交互装置（“碰它，它有本能反应”）、科普 demo。

---

预调“本能”预设（4 种开箱即用）

内置 4 个预设，换预设 = 换一种本能（权重仍是同一个冻结网络，react() 依然不学习）：

预设	刺激	用途
escape 逃避	突发威胁（t=120 起恒定强刺激）	威胁→强反应（PoC 同款）
sugar 趋糖	渐近奖励（线性爬升后保持）	靠近奖励源→反应逐步增强
startle 惊跳	短时尖峰（仅 5 步强刺激）	惊吓→快速自衰减反应
explore 探索	持续低噪（基线+热噪声）	无明确威胁→自发探索节律

from fly_instinct import run_preset, list_presets

print(list_presets())   # ['escape', 'explore', 'startle', 'sugar']

# 真实连接组版（需先 fetch-data）
out = run_preset("escape", edges_path="data/edges.csv",
                 ann_path="data/annotations.csv", nt_path="data/neurotransmitters.csv")
reaction = out["reaction"]   # (T,) 反应强度，落在 [-0.5, 1]（负=抑制/冻结，正=激活）

# 替身版（不需要数据，秒级）
out = run_preset("escape", use_real=False)

# 自定义预设：写一个 JSON（结构同内置），或用完整路径加载
out = run_preset("my_preset.json")

预设输出统一压到 [-0.5, 1]：1=最强激活，0=静息，负值=被抑制（冻结）。要原始信号直接调 engine.react()。

---

接入完整版 MaleCNS（1.05 GB）

当前 data/ 是真实子集（约 1 万节点，够跑、够真）。要升级到完整校对版（16.67 万神经元 / 2560 万条连接），用官方 1.05 GB 连接权重文件：

一键接入（0.2.0 起内置）

pip install "fly-instinct[full]"                 # 加 pandas+pyarrow（feather 转换）
python -m fly_instinct get-full --out data_full --to-csv   # 下载 + 转 CSV
# 或下载+转+直接用 escape 预设跑一次：
python -m fly_instinct get-full --out data_full --run

代码方式：

from fly_instinct import from_full
fly = from_full("data_full/connectome-weights-male-cns-v1.0-minconf-0.5.feather")
reaction, spikes = fly.react(stimulus)

下载地址（官方，CC-BY 4.0）

• 官方下载页：https://male-cns.janelia.org/download/
• 直链（GCS，可断点续传）： https://storage.googleapis.com/flyem-male-cns/v1.0/connectome-data/flat-connectome/connectome-weights-male-cns-v1.0-minconf-0.5.feather
• 文件：connectome-weights-male-cns-v1.0-minconf-0.5.feather（feather 格式，列同 pre,post,weight）

说明：storage.googleapis.com 在部分网络（含中国大陆）可能不可达；届时可用可达的镜像/代理下载该文件，只要列名仍是 pre/post/weight 即可。

接入步骤

1. 下载 .feather 到本地。
2. 转成 CSV（或扩展 loader 直接读 feather）：

   import pandas as pd
   df = pd.read_feather("connectome-weights-male-cns-v1.0-minconf-0.5.feather")
   df.to_csv("full_edges.csv", index=False)   # 列：pre,post,weight
   

3. 用同一接口加载（完整版的 annotations/neurotransmitters feather 同理转 CSV 后传入）：

   from fly_instinct import FlyInstinct
   fly = FlyInstinct.from_malecns("full_edges.csv",
                                  ann_path="full_annotations.csv",
                                  nt_path="full_neurotransmitters.csv",
                                  seed=7, in_neurons=2000, gain=2.0, spectral_radius=0.9)
   reaction, spikes = fly.react(stimulus)
   

代价与注意

• 完整版稀疏矩阵约 2560 万非零元，加载后内存数百 MB；单次 react(T) 计算量约为当前子集的 ~16 倍，建议 T 不要太大、机器内存 ≥ 8 GB。
• 完整版的递质符号仍是先验预测（见 MODEL.md 诚实边界）。

---

许可与署名（必须）

底层连接组数据为 MaleCNS v1.0（Janelia FlyEM），CC-BY 4.0，需署名；本包代码为你可自定授权的衍生作品。商用/分发前请阅读 LICENSE.md 与 PUBLISH.md。

诚实声明

本引擎输出的是“冻结结构对刺激给出的、非学习的本能式反应”。它不具备智能、记忆、学习或意识；递质兴奋/抑制符号是先验预测而非实验测定。请勿以“果蝇大脑 / 有意识 / 能学习”等措辞宣传。