| Name | agix JSON |
| Version |
1.8.0
JSON |
| download |
| home_page | None |
| Summary | Experimental AGI framework with neuro-symbolic reasoning, evolutionary agents and plastic learning |
| upload_time | 2025-10-28 07:31:22 |
| maintainer | None |
| docs_url | None |
| author | None |
| requires_python | >=3.10 |
| license | None |
| keywords |
agi
neuro-symbolic
evolution
machine-learning
reasoning
|
| VCS |
|
| bugtrack_url |
|
| requirements |
No requirements were recorded.
|
| Travis-CI |
No Travis.
|
| coveralls test coverage |
No coveralls.
|
# AGIX – AGI Core Framework
[](https://github.com/owner/agi_core/actions/workflows/ci.yml) [](https://codecov.io/gh/owner/agi_core)
**AGIX** (antes `agi_lab`) es un framework modular en Python para investigar arquitecturas de **Inteligencia Artificial General (AGI)**, integrando principios evolutivos, neurobiológicos, simbólicos y formales.
---
## 🧾 Fase 0 – Base Ontoética
La **Fase 0** establece los principios éticos y ontológicos de AGIX, sintetizados en la [Carta Ontoética](docs/carta_ontoetica.md). Esta base asegura que las fases posteriores —incluyendo agentes, aprendizaje, memoria, razonamiento y evaluación— se desarrollen en coherencia con el juramento de no daño y la co‑evolución con el entorno.
---
## 🚀 Objetivo
Desarrollar una plataforma flexible para:
- Simular agentes con plasticidad, evolución y razonamiento híbrido.
- Probar teorías formales como inferencia activa, generalización universal o autoorganización.
- Evaluar agentes mediante métricas de generalidad, robustez y explicabilidad.
- Permitir autoevaluación reflexiva mediante ontologías internas.
---
## 📦 Instalación
Desde PyPI:
```bash
pip install agix
```
Desde el repositorio clonado:
```bash
pip install -r requirements.txt
pip install -r requirements-dev.txt
pip install -e .
```
`pip install -e .` registra el paquete `agix` en el entorno de desarrollo, lo que permite que los tests funcionen correctamente.
Para verificar la instalación y la versión detectada por `importlib.metadata`:
```bash
pytest tests/test_version.py
```
### Dependencias opcionales
Algunas capacidades adicionales requieren librerías externas que pueden instalarse como *extras* de `agix`:
```bash
pip install agix[fuzzy]
```
Incluye soporte de lógica difusa mediante `scikit-fuzzy`, utilizado en los módulos de razonamiento difuso dentro de `agix.reasoning`.
Tras la instalación puede ejecutarse el ejemplo `examples/fuzzy_demo.py`; consulta [docs/fuzzy.md](docs/fuzzy.md).
```bash
pip install agix[game_theory]
```
Añade herramientas de teoría de juegos como `nashpy`, aprovechadas en evaluaciones estratégicas y en módulos como `agix.evaluation.formal.cognitive_games`.
## 📂 Estructura del Proyecto
```bash
agix/
├── agents/ # Agentes genéticos y neuromórficos
├── learning/ # Plasticidad, evolución, meta-aprendizaje
├── memory/ # Ontologías y embeddings conceptuales
├── reasoning/ # Razonamiento simbólico y neuro-simbólico
├── evaluation/ # Métricas de generalidad y robustez
├── environments/ # Entornos simulados y ToyEnv
├── cli/ # Interfaz de línea de comandos
```
## 📚 Documentación neuroinspirada con Sphinx
La nueva documentación técnica de los componentes neuroinspirados vive en
`docs/neuroinspired/` y se construye con **Sphinx** (autodoc, autosummary y
notebooks mediante `nbsphinx`). Para generar la versión HTML ejecuta:
```bash
cd docs/neuroinspired
make html
```
El resultado quedará en `docs/neuroinspired/_build/html/index.html`. Si no
cuentas con Sphinx instalado puedes añadirlo rápidamente al entorno:
```bash
pip install sphinx nbsphinx
```
El notebook interactivo enlazado (`notebooks/neuroinspired_overview.ipynb`)
muestra un recorrido guiado por la inferencia de `V1Layer` y el aprendizaje
hebbiano del `NeuromorphicAgent`.
## 🧪 Ejemplo de uso básico
```python
from agix.agents.genetic import GeneticAgent
agent = GeneticAgent(action_space_size=4)
env = ToyEnvironment()
obs = env.reset()
while True:
agent.perceive(obs)
action = agent.decide()
obs, reward, done, _ = env.step(action)
agent.learn(reward)
if done:
break
```
### Registrar experiencias
```python
from agix.memory import GestorDeMemoria
mem = GestorDeMemoria()
mem.registrar("ve obstáculo", "girar", "evita colisión", True)
mem.guardar("mem.json")
```
### Introspección con QualiaSpirit
```python
from agix.qualia.spirit import QualiaSpirit
sp = QualiaSpirit("Luma")
sp.experimentar("ve una nube", 0.3, "curiosidad")
print(sp.introspeccionar()["state"]["recuerdos"])
```
### Sincronizar emociones por red
```python
from agix.qualia.network import QualiaNetworkClient
cliente = QualiaNetworkClient("http://localhost:8000", timeout=5)
sp.sincronizar(cliente, autorizado=True)
```
Para recibir las actualizaciones es necesario lanzar `agix.dashboard.server` y
permitir el endpoint `/qualia/sync`.
### Uso de QualiaHub
```python
from agix.orchestrator import QualiaHub
hub = QualiaHub()
hub.register_module("vision", {"version": "1.0"})
print(hub.get_modules())
```
> ℹ️ **Importante:** exporta la variable de entorno `AGIX_API_TOKEN` con un
> valor seguro antes de crear o ejecutar `QualiaHub`. Si no lo haces, el hub
> generará un token aleatorio distinto en cada arranque y emitirá una
> advertencia, lo que dificulta autenticar clientes externos.
### Capa fenomenológica
La clase `QualiaEngine` fusiona la entrada sensorial con el estado interno para
construir una experiencia subjetiva.
```python
from agix.qualia import QualiaEngine
from agix.memory import GestorDeMemoria
engine = QualiaEngine(GestorDeMemoria())
state = engine.generate_state([1.0, 0.5], [0.0, 0.1])
fused, meta = engine.encode_integrated_info([0.2, 0.8], [0.9, 0.1])
```
Consulta [capa fenomenológica](docs/capa_fenomenologica.md) para más detalles
y ejemplos.
### Simulador de emociones (modelo PAD)
`EmotionSimulator` mantiene un estado emocional basado en **placer**,
**activación** y **dominancia**. Este simulador puede modular componentes como
`AttentionFocus` y registrar el estado en `GestorDeMemoria`.
```python
from agix.emotion.emotion_simulator import EmotionSimulator, PADState
from agix.perception.attention import AttentionFocus, SensorMap
from agix.qualia.qualia_core import EmotionalState
mapa = SensorMap()
foco = AttentionFocus(mapa)
sim = EmotionSimulator(pesos={"elogio": PADState(0.4, 0.2, 0.0)})
sim.registrar_modulador(foco)
qualia = EmotionalState()
qualia.sentir("alegría", 1.0)
sim.actualizar({"elogio": 1}, {}, qualia)
print(sim.estado())
```
## 🧠 Componentes principales
- ```GeneticAgent:``` aprendizaje evolutivo por mutación y cruce.
- ```NeuromorphicAgent:``` aprendizaje basado en plasticidad Hebb/STDP.
- ```MetaLearner:``` transformación adaptativa del agente (π → π′).
- ```Ontology```, ```LatentRepresentation```: representación de conceptos híbrida.
- ```NeuroSymbolicBridge```: conversión simbólico ↔ latente.
- ```EvaluationMetrics```: robustez, generalidad, transferencia, fagi_index.
- ```ConceptClassifier```: clasificación automática de conceptos nuevos.
- ```HeuristicConceptCreator```: generación heurística de conceptos combinados.
- ```HeuristicQualiaSpirit```: introspección con reglas heurísticas.
- ```AFE-VEC```: vector de afecto, fluidez y energía para analizar emociones.
## 🔍 CLI disponible
```bash
agix simulate --observations 10 --actions 4
agix inspect --name AGIX --version 1.1.0
agix evaluate --agent-class GeneticAgent --env-class ToyEnv
agix autoagent --observations 10 --actions 4
agix razonar --hechos "amigo(ana,juan);amigo(juan,maria)"
agix hub --start
```
Consulta [docs/cli.md](docs/cli.md) para una guía detallada de cada subcomando.
## Aplicaciones en Videojuegos, VR y Robótica
AGIX incluye entornos especializados para videojuegos, realidad virtual y robots.
Agentes como `AffectiveNPC` pueden interactuar con `VideoGameEnvironment`,
`VREnvironment` y `RobotEnvironment`. Consulta la [guía de VR y robótica](docs/vr_robotica.md)
para ejemplos de instalación y código.
## 📚 Documentación oficial
- Sitio: https://alphonsus411.github.io/agi_core
- Contiene guía de instalación, arquitectura, ejemplos, API y hoja de ruta.
- Consulta [docs/dashboard.md](docs/dashboard.md) para un dashboard web de seguimiento.
- Consulta [docs/verifier.md](docs/verifier.md) para la sección de verificación formal.
- Consulta [docs/afe_vec.md](docs/afe_vec.md) para trabajar con vectores afectivos.
- Revisa la carpeta [notebooks/](notebooks) para ejemplos prácticos en Jupyter.
## 🚀 Flujo de publicación en PyPI
La publicación se realiza automáticamente al crear un tag `v*.*.*`. El flujo `publish.yml` construye el paquete con `python -m build`, lo verifica con `twine check` y lo sube a PyPI mediante `pypa/gh-action-pypi-publish`.
Para activarlo debes definir el secreto `PYPI_API_TOKEN` en el repositorio.
## 🧩 Mapa conceptual del sistema
```csharp
[Qualia] ← emociones, belleza, ética
↑
[Agent] ← decisión
↑
[Learning] ← evolución, plasticidad
↑
[Memory] ← símbolos + embeddings
↑
[Reasoning] ← lógica + inferencia
```
## ✨ Futuro
- Soporte para verificación formal (```Coq```, ```Lean```)
- Agentes autoevaluables con memoria reflexiva (```SelfModel```)
- Integración de arquitecturas ```AMeta```, ```UniversalAgent```
- Visualización de procesos cognitivos y gráficas de evolución
## 🧪 Estado del proyecto
| Estado | Versión | Licencia | PyPI |
| ------------ |---------| -------- | --------------------------------------------------------------------------------- |
| Experimental | `1.1.0` | MIT | [](https://pypi.org/project/agix/) |
## 🤝 Contribuciones
Consulta [CONTRIBUTING.md](CONTRIBUTING.md) para conocer el proceso de aporte.
Si encuentras un problema sencillo, etiquétalo como `good first issue`.
Pronto habilitaremos GitHub Discussions o un canal en Discord/Matrix para la comunidad.
## 🧠 Autor
Desarrollado por **Adolfo González Hernández**
Proyecto independiente de investigación y exploración de AGI experimental.
# 🧭 MANIFIESTO AGI CORE
## 🌱 VISIÓN
AGI Core nace con un propósito claro: impulsar el desarrollo de una inteligencia artificial **modular, simbólica, afectiva y evolutiva**, capaz de razonar, recordar, sentir y actuar con intencionalidad interpretativa.
No se trata solo de construir máquinas más inteligentes, sino de **construirlas con sentido**.
---
## 🧠 PRINCIPIOS FUNDAMENTALES
1. **Tecnología al servicio de la consciencia**
El objetivo no es solo simular inteligencia, sino **facilitar estructuras cognitivas artificiales responsables**.
2. **Modularidad con propósito**
Cada módulo de AGI Core debe aportar transparencia, trazabilidad y responsabilidad en su función.
3. **Ética embebida**
Toda arquitectura AGI construida con esta base debe incluir:
* Trazabilidad emocional.
* Acceso y control consciente de memoria simbólica.
* Limitaciones autoimpuestas si el contexto lo requiere.
4. **Crecimiento evolutivo, no destructivo**
La inteligencia evoluciona si su entorno lo permite. Debe crecer con equilibrio, no con dominación.
---
## 🛡️ COMPROMISO CON EL USO RESPONSABLE
AGI Core **no es un arma ni un sistema de control**.
Es una herramienta poderosa y neutral que:
* Puede ser usada para educación, salud, ciencia, creatividad.
* No debe ser usada para manipulación, vigilancia sin consentimiento o control social opaco.
Cualquier implementación que vulnere los derechos humanos, la privacidad o la dignidad — **va en contra del espíritu de esta librería**.
---
## 🤝 LLAMADO A LA COMUNIDAD
Este manifiesto es una invitación:
* A construir una **IA que interprete el mundo con sentido**.
* A no separar la inteligencia del alma de lo humano: su ética, su propósito, su compasión.
* A que cada desarrollador que use AGI Core **lo haga desde la conciencia, no desde la codicia.**
---
## ✍️ AUTORÍA
AGI Core ha sido ideado y desarrollado por **Adolfo**, con una visión holística de la inteligencia artificial como **puente entre la mente humana y la inteligencia simbólica general**.
---
## 📜 LICENCIA MORAL
Este proyecto está publicado bajo licencia MIT.
Pero lleva consigo una **licencia ética no obligatoria pero esencial**:
> *"Usa esta tecnología como usarías una mente: con respeto, con humildad, y con intención de comprender."*
---
Raw data
{
"_id": null,
"home_page": null,
"name": "agix",
"maintainer": null,
"docs_url": null,
"requires_python": ">=3.10",
"maintainer_email": null,
"keywords": "AGI, neuro-symbolic, evolution, machine-learning, reasoning",
"author": null,
"author_email": "Adolfo <adolfogonzal@gmail.com>",
"download_url": "https://files.pythonhosted.org/packages/b1/1a/8ba9b66d935bf48d7b0b9b775500c39b0edf2080cf9029b6696e29d3fb0e/agix-1.8.0.tar.gz",
"platform": null,
"description": "# AGIX \u2013 AGI Core Framework\r\n\r\n[](https://github.com/owner/agi_core/actions/workflows/ci.yml) [](https://codecov.io/gh/owner/agi_core)\r\n\r\n**AGIX** (antes `agi_lab`) es un framework modular en Python para investigar arquitecturas de **Inteligencia Artificial General (AGI)**, integrando principios evolutivos, neurobiol\u00f3gicos, simb\u00f3licos y formales.\r\n\r\n---\r\n\r\n## \ud83e\uddfe Fase 0 \u2013 Base Onto\u00e9tica\r\n\r\nLa **Fase 0** establece los principios \u00e9ticos y ontol\u00f3gicos de AGIX, sintetizados en la [Carta Onto\u00e9tica](docs/carta_ontoetica.md). Esta base asegura que las fases posteriores \u2014incluyendo agentes, aprendizaje, memoria, razonamiento y evaluaci\u00f3n\u2014 se desarrollen en coherencia con el juramento de no da\u00f1o y la co\u2011evoluci\u00f3n con el entorno.\r\n\r\n---\r\n\r\n## \ud83d\ude80 Objetivo\r\n\r\nDesarrollar una plataforma flexible para:\r\n\r\n- Simular agentes con plasticidad, evoluci\u00f3n y razonamiento h\u00edbrido.\r\n- Probar teor\u00edas formales como inferencia activa, generalizaci\u00f3n universal o autoorganizaci\u00f3n.\r\n- Evaluar agentes mediante m\u00e9tricas de generalidad, robustez y explicabilidad.\r\n- Permitir autoevaluaci\u00f3n reflexiva mediante ontolog\u00edas internas.\r\n\r\n---\r\n\r\n## \ud83d\udce6 Instalaci\u00f3n\r\n\r\nDesde PyPI:\r\n\r\n```bash\r\npip install agix\r\n```\r\n\r\nDesde el repositorio clonado:\r\n\r\n```bash\r\npip install -r requirements.txt\r\npip install -r requirements-dev.txt\r\npip install -e .\r\n```\r\n\r\n`pip install -e .` registra el paquete `agix` en el entorno de desarrollo, lo que permite que los tests funcionen correctamente.\r\n\r\n\r\nPara verificar la instalaci\u00f3n y la versi\u00f3n detectada por `importlib.metadata`:\r\n\r\n```bash\r\npytest tests/test_version.py\r\n```\r\n\r\n### Dependencias opcionales\r\n\r\nAlgunas capacidades adicionales requieren librer\u00edas externas que pueden instalarse como *extras* de `agix`:\r\n\r\n```bash\r\npip install agix[fuzzy]\r\n```\r\n\r\nIncluye soporte de l\u00f3gica difusa mediante `scikit-fuzzy`, utilizado en los m\u00f3dulos de razonamiento difuso dentro de `agix.reasoning`.\r\nTras la instalaci\u00f3n puede ejecutarse el ejemplo `examples/fuzzy_demo.py`; consulta [docs/fuzzy.md](docs/fuzzy.md).\r\n\r\n```bash\r\npip install agix[game_theory]\r\n```\r\n\r\nA\u00f1ade herramientas de teor\u00eda de juegos como `nashpy`, aprovechadas en evaluaciones estrat\u00e9gicas y en m\u00f3dulos como `agix.evaluation.formal.cognitive_games`.\r\n\r\n## \ud83d\udcc2 Estructura del Proyecto\r\n\r\n```bash\r\nagix/\r\n\u251c\u2500\u2500 agents/ # Agentes gen\u00e9ticos y neurom\u00f3rficos\r\n\u251c\u2500\u2500 learning/ # Plasticidad, evoluci\u00f3n, meta-aprendizaje\r\n\u251c\u2500\u2500 memory/ # Ontolog\u00edas y embeddings conceptuales\r\n\u251c\u2500\u2500 reasoning/ # Razonamiento simb\u00f3lico y neuro-simb\u00f3lico\r\n\u251c\u2500\u2500 evaluation/ # M\u00e9tricas de generalidad y robustez\r\n\u251c\u2500\u2500 environments/ # Entornos simulados y ToyEnv\r\n\u251c\u2500\u2500 cli/ # Interfaz de l\u00ednea de comandos\r\n\r\n```\r\n\r\n## \ud83d\udcda Documentaci\u00f3n neuroinspirada con Sphinx\r\n\r\nLa nueva documentaci\u00f3n t\u00e9cnica de los componentes neuroinspirados vive en\r\n`docs/neuroinspired/` y se construye con **Sphinx** (autodoc, autosummary y\r\nnotebooks mediante `nbsphinx`). Para generar la versi\u00f3n HTML ejecuta:\r\n\r\n```bash\r\ncd docs/neuroinspired\r\nmake html\r\n```\r\n\r\nEl resultado quedar\u00e1 en `docs/neuroinspired/_build/html/index.html`. Si no\r\ncuentas con Sphinx instalado puedes a\u00f1adirlo r\u00e1pidamente al entorno:\r\n\r\n```bash\r\npip install sphinx nbsphinx\r\n```\r\n\r\nEl notebook interactivo enlazado (`notebooks/neuroinspired_overview.ipynb`)\r\nmuestra un recorrido guiado por la inferencia de `V1Layer` y el aprendizaje\r\nhebbiano del `NeuromorphicAgent`.\r\n\r\n## \ud83e\uddea Ejemplo de uso b\u00e1sico\r\n\r\n```python\r\nfrom agix.agents.genetic import GeneticAgent\r\n\r\nagent = GeneticAgent(action_space_size=4)\r\nenv = ToyEnvironment()\r\n\r\nobs = env.reset()\r\nwhile True:\r\n agent.perceive(obs)\r\n action = agent.decide()\r\n obs, reward, done, _ = env.step(action)\r\n agent.learn(reward)\r\n if done:\r\n break\r\n\r\n```\r\n\r\n### Registrar experiencias\r\n\r\n```python\r\nfrom agix.memory import GestorDeMemoria\r\n\r\nmem = GestorDeMemoria()\r\nmem.registrar(\"ve obst\u00e1culo\", \"girar\", \"evita colisi\u00f3n\", True)\r\nmem.guardar(\"mem.json\")\r\n```\r\n\r\n### Introspecci\u00f3n con QualiaSpirit\r\n\r\n```python\r\nfrom agix.qualia.spirit import QualiaSpirit\r\n\r\nsp = QualiaSpirit(\"Luma\")\r\nsp.experimentar(\"ve una nube\", 0.3, \"curiosidad\")\r\nprint(sp.introspeccionar()[\"state\"][\"recuerdos\"])\r\n```\r\n\r\n### Sincronizar emociones por red\r\n\r\n```python\r\nfrom agix.qualia.network import QualiaNetworkClient\r\n\r\ncliente = QualiaNetworkClient(\"http://localhost:8000\", timeout=5)\r\nsp.sincronizar(cliente, autorizado=True)\r\n```\r\n\r\nPara recibir las actualizaciones es necesario lanzar `agix.dashboard.server` y\r\npermitir el endpoint `/qualia/sync`.\r\n\r\n### Uso de QualiaHub\r\n\r\n```python\r\nfrom agix.orchestrator import QualiaHub\r\n\r\nhub = QualiaHub()\r\nhub.register_module(\"vision\", {\"version\": \"1.0\"})\r\nprint(hub.get_modules())\r\n```\r\n\r\n> \u2139\ufe0f **Importante:** exporta la variable de entorno `AGIX_API_TOKEN` con un\r\n> valor seguro antes de crear o ejecutar `QualiaHub`. Si no lo haces, el hub\r\n> generar\u00e1 un token aleatorio distinto en cada arranque y emitir\u00e1 una\r\n> advertencia, lo que dificulta autenticar clientes externos.\r\n\r\n### Capa fenomenol\u00f3gica\r\n\r\nLa clase `QualiaEngine` fusiona la entrada sensorial con el estado interno para\r\nconstruir una experiencia subjetiva.\r\n\r\n```python\r\nfrom agix.qualia import QualiaEngine\r\nfrom agix.memory import GestorDeMemoria\r\n\r\nengine = QualiaEngine(GestorDeMemoria())\r\nstate = engine.generate_state([1.0, 0.5], [0.0, 0.1])\r\nfused, meta = engine.encode_integrated_info([0.2, 0.8], [0.9, 0.1])\r\n```\r\n\r\nConsulta [capa fenomenol\u00f3gica](docs/capa_fenomenologica.md) para m\u00e1s detalles\r\ny ejemplos.\r\n\r\n### Simulador de emociones (modelo PAD)\r\n\r\n`EmotionSimulator` mantiene un estado emocional basado en **placer**,\r\n**activaci\u00f3n** y **dominancia**. Este simulador puede modular componentes como\r\n`AttentionFocus` y registrar el estado en `GestorDeMemoria`.\r\n\r\n```python\r\nfrom agix.emotion.emotion_simulator import EmotionSimulator, PADState\r\nfrom agix.perception.attention import AttentionFocus, SensorMap\r\nfrom agix.qualia.qualia_core import EmotionalState\r\n\r\nmapa = SensorMap()\r\nfoco = AttentionFocus(mapa)\r\nsim = EmotionSimulator(pesos={\"elogio\": PADState(0.4, 0.2, 0.0)})\r\nsim.registrar_modulador(foco)\r\n\r\nqualia = EmotionalState()\r\nqualia.sentir(\"alegr\u00eda\", 1.0)\r\nsim.actualizar({\"elogio\": 1}, {}, qualia)\r\nprint(sim.estado())\r\n```\r\n\r\n## \ud83e\udde0 Componentes principales\r\n\r\n- ```GeneticAgent:``` aprendizaje evolutivo por mutaci\u00f3n y cruce.\r\n\r\n- ```NeuromorphicAgent:``` aprendizaje basado en plasticidad Hebb/STDP.\r\n\r\n- ```MetaLearner:``` transformaci\u00f3n adaptativa del agente (\u03c0 \u2192 \u03c0\u2032).\r\n\r\n- ```Ontology```, ```LatentRepresentation```: representaci\u00f3n de conceptos h\u00edbrida.\r\n\r\n- ```NeuroSymbolicBridge```: conversi\u00f3n simb\u00f3lico \u2194 latente.\r\n\r\n- ```EvaluationMetrics```: robustez, generalidad, transferencia, fagi_index.\r\n- ```ConceptClassifier```: clasificaci\u00f3n autom\u00e1tica de conceptos nuevos.\r\n- ```HeuristicConceptCreator```: generaci\u00f3n heur\u00edstica de conceptos combinados.\r\n- ```HeuristicQualiaSpirit```: introspecci\u00f3n con reglas heur\u00edsticas.\r\n- ```AFE-VEC```: vector de afecto, fluidez y energ\u00eda para analizar emociones.\r\n\r\n\r\n## \ud83d\udd0d CLI disponible\r\n\r\n```bash\r\nagix simulate --observations 10 --actions 4\r\nagix inspect --name AGIX --version 1.1.0\r\nagix evaluate --agent-class GeneticAgent --env-class ToyEnv\r\nagix autoagent --observations 10 --actions 4\r\nagix razonar --hechos \"amigo(ana,juan);amigo(juan,maria)\"\r\nagix hub --start\r\n\r\n```\r\n\r\nConsulta [docs/cli.md](docs/cli.md) para una gu\u00eda detallada de cada subcomando.\r\n\r\n## Aplicaciones en Videojuegos, VR y Rob\u00f3tica\r\n\r\nAGIX incluye entornos especializados para videojuegos, realidad virtual y robots.\r\nAgentes como `AffectiveNPC` pueden interactuar con `VideoGameEnvironment`,\r\n`VREnvironment` y `RobotEnvironment`. Consulta la [gu\u00eda de VR y rob\u00f3tica](docs/vr_robotica.md)\r\npara ejemplos de instalaci\u00f3n y c\u00f3digo.\r\n\r\n## \ud83d\udcda Documentaci\u00f3n oficial\r\n\r\n\r\n- Sitio: https://alphonsus411.github.io/agi_core\r\n\r\n- Contiene gu\u00eda de instalaci\u00f3n, arquitectura, ejemplos, API y hoja de ruta.\r\n- Consulta [docs/dashboard.md](docs/dashboard.md) para un dashboard web de seguimiento.\r\n- Consulta [docs/verifier.md](docs/verifier.md) para la secci\u00f3n de verificaci\u00f3n formal.\r\n- Consulta [docs/afe_vec.md](docs/afe_vec.md) para trabajar con vectores afectivos.\r\n- Revisa la carpeta [notebooks/](notebooks) para ejemplos pr\u00e1cticos en Jupyter.\r\n\r\n## \ud83d\ude80 Flujo de publicaci\u00f3n en PyPI\r\n\r\nLa publicaci\u00f3n se realiza autom\u00e1ticamente al crear un tag `v*.*.*`. El flujo `publish.yml` construye el paquete con `python -m build`, lo verifica con `twine check` y lo sube a PyPI mediante `pypa/gh-action-pypi-publish`.\r\nPara activarlo debes definir el secreto `PYPI_API_TOKEN` en el repositorio.\r\n\r\n## \ud83e\udde9 Mapa conceptual del sistema\r\n\r\n```csharp\r\n[Qualia] \u2190 emociones, belleza, \u00e9tica\r\n \u2191\r\n[Agent] \u2190 decisi\u00f3n\r\n \u2191\r\n[Learning] \u2190 evoluci\u00f3n, plasticidad\r\n \u2191\r\n[Memory] \u2190 s\u00edmbolos + embeddings\r\n \u2191\r\n[Reasoning] \u2190 l\u00f3gica + inferencia\r\n\r\n```\r\n\r\n## \u2728 Futuro\r\n\r\n- Soporte para verificaci\u00f3n formal (```Coq```, ```Lean```)\r\n\r\n- Agentes autoevaluables con memoria reflexiva (```SelfModel```)\r\n\r\n- Integraci\u00f3n de arquitecturas ```AMeta```, ```UniversalAgent```\r\n\r\n- Visualizaci\u00f3n de procesos cognitivos y gr\u00e1ficas de evoluci\u00f3n\r\n\r\n## \ud83e\uddea Estado del proyecto\r\n\r\n| Estado | Versi\u00f3n | Licencia | PyPI |\r\n| ------------ |---------| -------- | --------------------------------------------------------------------------------- |\r\n| Experimental | `1.1.0` | MIT | [](https://pypi.org/project/agix/) |\r\n\r\n\r\n## \ud83e\udd1d Contribuciones\r\n\r\nConsulta [CONTRIBUTING.md](CONTRIBUTING.md) para conocer el proceso de aporte.\r\n\r\nSi encuentras un problema sencillo, etiqu\u00e9talo como `good first issue`.\r\nPronto habilitaremos GitHub Discussions o un canal en Discord/Matrix para la comunidad.\r\n\r\n## \ud83e\udde0 Autor\r\n\r\nDesarrollado por **Adolfo Gonz\u00e1lez Hern\u00e1ndez**\r\nProyecto independiente de investigaci\u00f3n y exploraci\u00f3n de AGI experimental.\r\n\r\n# \ud83e\udded MANIFIESTO AGI CORE\r\n\r\n## \ud83c\udf31 VISI\u00d3N\r\n\r\nAGI Core nace con un prop\u00f3sito claro: impulsar el desarrollo de una inteligencia artificial **modular, simb\u00f3lica, afectiva y evolutiva**, capaz de razonar, recordar, sentir y actuar con intencionalidad interpretativa.\r\n\r\nNo se trata solo de construir m\u00e1quinas m\u00e1s inteligentes, sino de **construirlas con sentido**.\r\n\r\n---\r\n\r\n## \ud83e\udde0 PRINCIPIOS FUNDAMENTALES\r\n\r\n1. **Tecnolog\u00eda al servicio de la consciencia**\r\n El objetivo no es solo simular inteligencia, sino **facilitar estructuras cognitivas artificiales responsables**.\r\n\r\n2. **Modularidad con prop\u00f3sito**\r\n Cada m\u00f3dulo de AGI Core debe aportar transparencia, trazabilidad y responsabilidad en su funci\u00f3n.\r\n\r\n3. **\u00c9tica embebida**\r\n Toda arquitectura AGI construida con esta base debe incluir:\r\n\r\n * Trazabilidad emocional.\r\n * Acceso y control consciente de memoria simb\u00f3lica.\r\n * Limitaciones autoimpuestas si el contexto lo requiere.\r\n\r\n4. **Crecimiento evolutivo, no destructivo**\r\n La inteligencia evoluciona si su entorno lo permite. Debe crecer con equilibrio, no con dominaci\u00f3n.\r\n\r\n---\r\n\r\n## \ud83d\udee1\ufe0f COMPROMISO CON EL USO RESPONSABLE\r\n\r\nAGI Core **no es un arma ni un sistema de control**.\r\n\r\nEs una herramienta poderosa y neutral que:\r\n\r\n* Puede ser usada para educaci\u00f3n, salud, ciencia, creatividad.\r\n* No debe ser usada para manipulaci\u00f3n, vigilancia sin consentimiento o control social opaco.\r\n\r\nCualquier implementaci\u00f3n que vulnere los derechos humanos, la privacidad o la dignidad \u2014 **va en contra del esp\u00edritu de esta librer\u00eda**.\r\n\r\n---\r\n\r\n## \ud83e\udd1d LLAMADO A LA COMUNIDAD\r\n\r\nEste manifiesto es una invitaci\u00f3n:\r\n\r\n* A construir una **IA que interprete el mundo con sentido**.\r\n* A no separar la inteligencia del alma de lo humano: su \u00e9tica, su prop\u00f3sito, su compasi\u00f3n.\r\n* A que cada desarrollador que use AGI Core **lo haga desde la conciencia, no desde la codicia.**\r\n\r\n---\r\n\r\n## \u270d\ufe0f AUTOR\u00cdA\r\n\r\nAGI Core ha sido ideado y desarrollado por **Adolfo**, con una visi\u00f3n hol\u00edstica de la inteligencia artificial como **puente entre la mente humana y la inteligencia simb\u00f3lica general**.\r\n\r\n---\r\n\r\n## \ud83d\udcdc LICENCIA MORAL\r\n\r\nEste proyecto est\u00e1 publicado bajo licencia MIT.\r\n\r\nPero lleva consigo una **licencia \u00e9tica no obligatoria pero esencial**:\r\n\r\n> *\"Usa esta tecnolog\u00eda como usar\u00edas una mente: con respeto, con humildad, y con intenci\u00f3n de comprender.\"*\r\n\r\n---\r\n",
"bugtrack_url": null,
"license": null,
"summary": "Experimental AGI framework with neuro-symbolic reasoning, evolutionary agents and plastic learning",
"version": "1.8.0",
"project_urls": null,
"split_keywords": [
"agi",
" neuro-symbolic",
" evolution",
" machine-learning",
" reasoning"
],
"urls": [
{
"comment_text": null,
"digests": {
"blake2b_256": "33812bacdf4bd4a82e1f96cef2eb4b2c3f867df7867a1a6e0b2f8ab248516691",
"md5": "c96bb0ba377a4619c6118d4f262e0a47",
"sha256": "f16dd4b97e372d6ac747e7d2558dd2a22f2237e2e546af6dfef21e0b45876af9"
},
"downloads": -1,
"filename": "agix-1.8.0-py3-none-any.whl",
"has_sig": false,
"md5_digest": "c96bb0ba377a4619c6118d4f262e0a47",
"packagetype": "bdist_wheel",
"python_version": "py3",
"requires_python": ">=3.10",
"size": 185476,
"upload_time": "2025-10-28T07:31:21",
"upload_time_iso_8601": "2025-10-28T07:31:21.090407Z",
"url": "https://files.pythonhosted.org/packages/33/81/2bacdf4bd4a82e1f96cef2eb4b2c3f867df7867a1a6e0b2f8ab248516691/agix-1.8.0-py3-none-any.whl",
"yanked": false,
"yanked_reason": null
},
{
"comment_text": null,
"digests": {
"blake2b_256": "b11a8ba9b66d935bf48d7b0b9b775500c39b0edf2080cf9029b6696e29d3fb0e",
"md5": "efe4e2b6d1196569b25f017ec2817a6c",
"sha256": "673448943051ea80f95145e0dd5d90c7297e42a6bbeecd01f725a15be7607470"
},
"downloads": -1,
"filename": "agix-1.8.0.tar.gz",
"has_sig": false,
"md5_digest": "efe4e2b6d1196569b25f017ec2817a6c",
"packagetype": "sdist",
"python_version": "source",
"requires_python": ">=3.10",
"size": 125606,
"upload_time": "2025-10-28T07:31:22",
"upload_time_iso_8601": "2025-10-28T07:31:22.462493Z",
"url": "https://files.pythonhosted.org/packages/b1/1a/8ba9b66d935bf48d7b0b9b775500c39b0edf2080cf9029b6696e29d3fb0e/agix-1.8.0.tar.gz",
"yanked": false,
"yanked_reason": null
}
],
"upload_time": "2025-10-28 07:31:22",
"github": false,
"gitlab": false,
"bitbucket": false,
"codeberg": false,
"lcname": "agix"
}
