Text Generation
GGUF
English
Japanese
cognitive-systems
ai-psychology
meta-cognition
emotional-intelligence
constraint-optimization
personality-systems
interactive-learning
web-ui
refactorium
multi-agent
emotion-simulation
constraint-driven
ethical-ai
plus-edition
Instructions to use kofdai/refactorium-dual-deepseek-r1-7b-plus with libraries, inference providers, notebooks, and local apps. Follow these links to get started.
- Notebooks
- Google Colab
- Kaggle
- Local Apps Settings
- llama.cpp
How to use kofdai/refactorium-dual-deepseek-r1-7b-plus with llama.cpp:
Install (macOS, Linux)
curl -LsSf https://llama.app/install.sh | sh # Start a local OpenAI-compatible server with a web UI: llama serve -hf kofdai/refactorium-dual-deepseek-r1-7b-plus:Q4_K_M # Run inference directly in the terminal: llama cli -hf kofdai/refactorium-dual-deepseek-r1-7b-plus:Q4_K_M
Install from WinGet (Windows)
winget install llama.cpp # Start a local OpenAI-compatible server with a web UI: llama serve -hf kofdai/refactorium-dual-deepseek-r1-7b-plus:Q4_K_M # Run inference directly in the terminal: llama cli -hf kofdai/refactorium-dual-deepseek-r1-7b-plus:Q4_K_M
Use pre-built binary
# Download pre-built binary from: # https://github.com/ggerganov/llama.cpp/releases # Start a local OpenAI-compatible server with a web UI: ./llama-server -hf kofdai/refactorium-dual-deepseek-r1-7b-plus:Q4_K_M # Run inference directly in the terminal: ./llama-cli -hf kofdai/refactorium-dual-deepseek-r1-7b-plus:Q4_K_M
Build from source code
git clone https://github.com/ggerganov/llama.cpp.git cd llama.cpp cmake -B build cmake --build build -j --target llama-server llama-cli # Start a local OpenAI-compatible server with a web UI: ./build/bin/llama-server -hf kofdai/refactorium-dual-deepseek-r1-7b-plus:Q4_K_M # Run inference directly in the terminal: ./build/bin/llama-cli -hf kofdai/refactorium-dual-deepseek-r1-7b-plus:Q4_K_M
Use Docker
docker model run hf.co/kofdai/refactorium-dual-deepseek-r1-7b-plus:Q4_K_M
- LM Studio
- Jan
- vLLM
How to use kofdai/refactorium-dual-deepseek-r1-7b-plus with vLLM:
Install from pip and serve model
# Install vLLM from pip: pip install vllm # Start the vLLM server: vllm serve "kofdai/refactorium-dual-deepseek-r1-7b-plus" # Call the server using curl (OpenAI-compatible API): curl -X POST "http://localhost:8000/v1/completions" \ -H "Content-Type: application/json" \ --data '{ "model": "kofdai/refactorium-dual-deepseek-r1-7b-plus", "prompt": "Once upon a time,", "max_tokens": 512, "temperature": 0.5 }'Use Docker
docker model run hf.co/kofdai/refactorium-dual-deepseek-r1-7b-plus:Q4_K_M
- Ollama
How to use kofdai/refactorium-dual-deepseek-r1-7b-plus with Ollama:
ollama run hf.co/kofdai/refactorium-dual-deepseek-r1-7b-plus:Q4_K_M
- Unsloth Studio
How to use kofdai/refactorium-dual-deepseek-r1-7b-plus with Unsloth Studio:
Install Unsloth Studio (macOS, Linux, WSL)
curl -fsSL https://unsloth.ai/install.sh | sh # Run unsloth studio unsloth studio -H 0.0.0.0 -p 8888 # Then open http://localhost:8888 in your browser # Search for kofdai/refactorium-dual-deepseek-r1-7b-plus to start chatting
Install Unsloth Studio (Windows)
irm https://unsloth.ai/install.ps1 | iex # Run unsloth studio unsloth studio -H 0.0.0.0 -p 8888 # Then open http://localhost:8888 in your browser # Search for kofdai/refactorium-dual-deepseek-r1-7b-plus to start chatting
Using HuggingFace Spaces for Unsloth
# No setup required # Open https://huggingface.co/spaces/unsloth/studio in your browser # Search for kofdai/refactorium-dual-deepseek-r1-7b-plus to start chatting
- Docker Model Runner
How to use kofdai/refactorium-dual-deepseek-r1-7b-plus with Docker Model Runner:
docker model run hf.co/kofdai/refactorium-dual-deepseek-r1-7b-plus:Q4_K_M
- Lemonade
How to use kofdai/refactorium-dual-deepseek-r1-7b-plus with Lemonade:
Pull the model
# Download Lemonade from https://lemonade-server.ai/ lemonade pull kofdai/refactorium-dual-deepseek-r1-7b-plus:Q4_K_M
Run and chat with the model
lemonade run user.refactorium-dual-deepseek-r1-7b-plus-Q4_K_M
List all available models
lemonade list
- Atomic Chat
Changelog
すべての注目すべき変更がこのファイルに記録されます。
[1.0.0] - 2025-12-14
🎉 Initial Release
本プロジェクトの最初の公式リリースです。
✨ Features
1. 制約駆動意識エンジン
- 感情や価値観が制約システムから自然に生じる
- 3次元感情状態管理(emotional_state, energy, load)
- 動的に制約を適用・管理可能
2. 3層セーフティアーキテクチャ
- レイヤー1: 外部入力フィルタリング
- レイヤー2: 身体制約(リソース制限)
- レイヤー3: 脳制約(倫理的判断)
3. コアシステム
- PhysiologyEngine: 生理状態管理と制約適用
- ConstraintEngine: 制約ルール管理
- RefactoriumOrchestrator: 統合制御インターフェース
- RefactoriumAPIServer: REST API サーバー
4. ChromaDB 統合
- ベクトルメモリストレージ
- セマンティック検索機能
- チャット履歴永続化
5. 拡張フォーマット対応
- IATH 形式対応
- メタデータ管理
- 拡張性確保
6. Dendritic 互換性
- 双方向メモリ
- 樹状突起接続シミュレーション
- 脳領域マッピング
7. MCP(Model Context Protocol)統合
- イベント→制約マッピング
- 状態遷移テーブル
- 負の重大度(リラックス/リリーフ)対応
- 非同期イベント処理
8. ゼロダウンタイム動的切り替え
- ModelManager: 動的モデルロード・管理(LRU キャッシング)
- DatabaseManager: マルチバックエンド管理(ChromaDB, SQLite, PostgreSQL, MongoDB)
- RuntimeCoordinator: 無停止の切り替え調整
- リクエストキューイング
- グレースフルシャットダウン
- 自動ロールバック機構
9. 高性能インフラ
- P50 レイテンシ: 1.15ms
- P99 レイテンシ: 1.24ms
- スループット: 7,439 req/s
- メモリ効率: LRU キャッシング
10. 包括的なメモリシステム
- チャットメモリ(会話履歴)
- 値メモリ(重要な決定)
- セマンティック検索
- TTL ベースの自動削除
11. セキュリティ
- 制約の不変性保証
- ガラスの壁フィルタ(値メモリ保護)
- API キー / JWT 認証
- インジェクション攻撃対策
- SQLインジェクション対策
- XSS 対策
12. デプロイ対応
- Docker コンテナ化
- Docker Compose オーケストレーション
- Kubernetes マニフェスト
- クラウドプロバイダー対応(AWS, GCP, Azure)
- 負荷分散(Nginx)
- 自動スケーリング
13. テスト&検証
- 統合テスト: 12/12 合格
- パフォーマンステスト: 6/6 合格
- セキュリティテスト: 10/10 合格
- テストカバレッジ: 100%
14. ドキュメント
- USER_GUIDE.md: ユーザー向けガイド
- API_REFERENCE.md: 完全なAPI仕様
- ARCHITECTURE.md: システム設計書
- DEPLOYMENT_GUIDE.md: デプロイメント手順
- RELEASE_NOTES_v1.0.0.md: リリースノート
- MODEL_CARD.md: モデルカード
- QUICK_START.md: クイックスタート
- HF_UPLOAD_GUIDE.md: Hugging Face アップロード手順
15. セットアップシステム
- huggingface_setup.py: 完全なセットアップスクリプト
- install.sh: ローカルワンコマンドセットアップ
- .gitattributes: Git LFS 設定
- .env.example: 環境変数テンプレート
📊 統計
総コード行数: 26,000+
├─ 実装コード: 18,000
├─ テストコード: 2,800
└─ ドキュメント: 13,000+
テスト合格数: 55/55 (100%)
フェーズ完了: 32/32 (100%)
ファイル数: 50+
設定ファイル: 10+
🐛 Known Issues
- モックモデルの使用: パフォーマンステストでモック推論を使用しているため、実際のモデル推論より高速です。本番環境では実際のモデル推論が実行されます。
🔒 Security
- ✅ OWASP Top 10 対応
- ✅ セキュリティスキャン合格
- ✅ 制約不変性確保
- ✅ アクセス制御実装
📈 Performance
P50 レイテンシ: 1.15ms (目標: 100ms) ✅
P99 レイテンシ: 1.24ms (目標: 500ms) ✅
スループット: 7,439 req/s (目標: 10) ✅
モデル切り替え: 0.0ms (目標: 5000ms) ✅
DB切り替え: 0.0ms (目標: 3000ms) ✅
🚀 Installation
ワンコマンドセットアップ
# Hugging Face からダウンロード
python huggingface_setup.py
# または ローカルセットアップ
bash install.sh
Docker Compose
docker-compose up -d
📚 Documentation
完全なドキュメントは README.md を参照してください。
[未来のリリース]
v1.1.0 (予定)
- リアルタイム推論ストリーミング
- Web UI ダッシュボード
- より詳細なメトリクス
- マルチテナント対応
v1.2.0 (予定)
- 分散学習対応
- モデル圧縮・量子化
- マルチモーダル対応
- より強力な制約エンジン
v2.0.0 (長期計画)
- 自己進化メカニズム
- 複数AI協調システム
- より深い脳シミュレーション
- 完全な自己認識
貢献ガイドライン
Refactorium への貢献を歓迎します!詳細は CONTRIBUTING.md をご参照ください。
Version: 1.0.0 Release Date: 2025-12-14 License: MIT