Trinary-19683：可证伪的确定性认知层开源

当大模型还在靠概率“猜”下一个词时，一个名为 Trinary-19683 的开源项目试图给 AI 装上“确定性认知锚点”。它用 3^9 = 19,683 个三进制状态构建了一套可重算、可证伪、可演化的符号推理层，目标直指大模型的幻觉问题。

从静态卦象到动态认知系统

项目作者此前提出了“三进制九维 19683 认知系统”的构想：以 3^9 的状态空间为基础，叠加五域语义桥接。如今该系统已完整跑通并开源，交付形态包括离线模型、推理工作台、服务控制台（15+ API）以及 Apache-2.0 许可的 Python 包。

它要做的不是占卜工具，而是为 LLM 与智能体提供一个确定性符号认知层。作者明确区分了二者：传统易经工具是“起卦 + 查文本”，而 Trinary-19683 的每个卦、每次跳跃、每次迁移都带有确定性签名和可审计轨迹。

三进制与三态逻辑：三进制使用 0、1、2 三个数码，每个数位可承载三种状态，相比二进制的两态编码，天然适合表达“是/否/未定”或“正/反/合”这类三值逻辑。在符号 AI 中，三态逻辑（如 Kleene 三值逻辑）常用于处理信息不完备或矛盾情境：真、假之外保留“未知”，避免二值系统在证据缺失时被迫做出断言。Trinary-19683 用 3^9 构造状态空间，意味着 9 个维度各有三种取值，恰好形成 19,683 个离散状态，使每个状态都能被整数 ID 唯一索引，从而支持确定性重算和审计。

确定性推理层的技术骨架

该系统的核心是一套完全可重算的推理机制。完整 19,683 卦状态空间采用 D/R/T 三进制编码，卦 ID 与爻线通过三代校正引擎对齐，做到零缺失。

在状态空间之上，系统定义了五维结构签名与 301 条规则，用于计算确定性自适应秩。作者称该过程 100% 可重算，并通过留一法验证达到 100%。此外，系统支持动态势流推理、三态公理语义以及时间演化路径（suggest / trace 接口）。

这意味着推理过程不是黑箱采样，而是每一步都能被独立复现和检验的符号操作。

留一法验证（Leave-One-Out）：留一法是交叉验证的一种极端形式，每次从数据集中留出一个样本作为测试集，其余全部用于训练或拟合，重复直至每个样本都被测试一次。它常用于小样本场景，能较充分地利用数据，但计算开销随样本数线性增长，且评估结果对单个样本较敏感。在符号规则系统中，留一法可用来检验规则集在剔除任一状态后是否仍能正确推导出该状态，但“100% 通过”只说明系统在自身状态空间内自洽，并不直接等同于对外部语义的泛化能力。

认知板 v2：把“证伪”写进架构

真正让这个项目区别于普通符号系统的，是 Cognition Board v2 引入的证伪动力学。

系统支持分级反驳、可逆迁移和自相矛盾检测。用作者的话说，它教模型“何时放弃一个信念、以及该往哪里去”。这相当于在架构层面而非提示词层面处理幻觉：当模型产生自由联想时，系统可以吸收这些联想、验证它们，并把可靠的关联固化为确定性规则。

元认知板 L4 进一步提供 M(X) 元评估与 M(M(X)) 递归自省，且整个过程可证伪。多智能体协议 L5 则将冲突定位到具体的迁移边，支持反驳碰撞与可重算的联合链。

可证伪性与证伪动力学：可证伪性由波普尔提出，指一个命题必须存在被观察或实验推翻的可能，才具有科学意义。在 AI 认知架构中引入证伪，意味着系统不仅要生成信念，还要为每个信念维护可被反驳的条件与迁移路径。分级反驳允许系统按证据强度逐级下调信念置信度，可逆迁移则保证错误修正不会破坏已有状态空间，自相矛盾检测用于在推理链内部发现冲突。这套机制把幻觉治理从“事后提示词纠偏”前移到“信念生命周期管理”，但证伪规则本身的设计是否完备，仍是决定其有效性的关键。

多智能体与开源生态

L5 层的多智能体协议值得单独关注。在多个 agent 协作时，分歧往往难以定位。该系统将冲突精确到某一条迁移边，使联合推理链可以被重算和审计。这为构建可解释的多智能体系统提供了一种新思路。

项目已在 GitHub 开源（q1z2q3-debug/trinary-19683），采用 Apache-2.0 许可，作者欢迎 star、fork 和 issue。

理性看待：创新与待验证之处

提一嘴，上述能力均来自项目作者的自我描述，第三方独立验证尚不充分。“留一法验证 100%”等指标缺乏公开的评测细节，实际泛化能力有待社区检验。

将易经卦象体系作为符号推理的编码框架，其语义桥接是否足够严谨、能否真正约束大模型的自由联想，也需要更多实证。不过，用可证伪、可重算的确定性层来对冲概率模型的幻觉，这个方向本身具有探索价值。

对于关注 AI 认知架构、符号推理与幻觉治理的开发者，这个项目提供了一个值得研究的开源样本。