Sylvan Alpha / 从设想到原型

先做出一个会生长的计算体

Sylvan Alpha 不是直接创造野外新物种，而是把森模体落成封闭生态盒：身体产生非线性动态和记忆，外部输入自然扰动，读出层把形态翻译成判断。

可做从纯数字孪生开始，不需要等待生物实验条件。

可测每一步都有输入、读取、指标和基线。

可扩展从一个盒体走向多盒森脑阵列。

Alpha-0 field simulator

restaction

0.00stability

0.00memory

0.00routing

0samples

Build path

四个阶段，把 Sylvan 逐步做实。

路线的核心是先证明“身体动态可计算”，再加入非活体物理场，最后进入封闭活体材料。每一阶段都能独立产出数据，不依赖下一阶段才有意义。

用二维场模拟扩散、竞争、沉积和记忆。只训练读出层，不训练身体。

用凝胶、分枝材料、矿物/碳基慢变量和相机，做出可拍照的物理 reservoir。

使用封闭商业可食用菌丝材料，读取生长纹理和环境响应，不做开放释放。

让快速凝胶盒、中速菌丝盒、慢速沉积盒分别承担不同时间尺度。

MVP

它的身体状态必须能作为计算资源。不要先追求大语言模型，不要先追求自我繁殖，先让一个封闭身体对输入历史产生可读、可复现、可训练的状态差异。

光影图案、湿度脉冲、温度变化、低频振动。输入被写成自然扰动，而不是字符串。

凝胶保存短期状态，分枝路径做 routing，矿物/碳基沉积形成慢变量记忆。

相机和传感器读取纹理、波纹、分枝密度和环境恢复曲线，再由小读出层翻译。

Tasks

每个任务都要有基线。如果 Sylvan 的身体状态不能超过基线，它就还只是漂亮的材料，不是计算体。

四类扰动rain / heat / shade / mineral 分类。

湿度趋势预测未来一段时间的上升、下降或稳定。

存在行动water / shade / mineral / rest 维护建议。

复现至少 100 次运行，分开训练集和测试集。

胜过基线比随机、当前趋势或人工阈值更好。

Safety

Sylvan 的工程路线遵守封闭、非基改、非野外释放原则。先做可保存、可测量、可复现的工程物种；生态释放不是 Alpha 阶段目标。

活体材料只在封闭盒中观察，不从野外采集未知菌种，不主动扩散孢子。

优先使用非活体材料、商业可食用菌丝材料和普通环境传感器。

每一次失败都写入实验记录，形成可复盘的长期记忆。