PRODUCT & ENGINEERING WHITE PAPER / 2026.09

Idea
Collider.

概念对撞机

让两个想法意外相遇。
本地词包，可替换模型，结构先行。

240作者编写的起始概念

4可替换能力接口

32,000已执行机制采样

已完成软件闭环；创造力收益尚待验证。
本地规则演示、协议联调与机制消融已执行。真实商业 API 质量与独立用户盲评未执行，本文不将模拟结果当成模型效果。

BYOK 独立部署版 · v1.0.0
2026 年 9 月 22 日
Design · Interfaces · Evaluation · Delivery

1. 产品定义与最小闭环

Idea Collider 的核心体验是“受控的意外”。使用者保留起点和方向，系统负责在指定距离范围内抽取候选，并把两个概念之间的结构关系变成可操作的探索入口。最终输出仍属于待验证假设。

以 FPGA × 城市规划为例，可以提出 routing ↔ 道路、placement ↔ 用地布局、congestion ↔ 拥堵、timing closure ↔ 通勤约束等候选映射。两边有相似词语并不足以说明机制可迁移：信号传播与人的出行目标不同，布线资源与道路容量的变化尺度也不同。因此每条映射同时包含关系、机制与失效边界。

最小闭环包含四步：选择一个概念；按能量抽取或手动指定目标；先生成结构映射，再生成最多 20 个碎片与 3 个实验草案；选择一个碎片，将其文本、关系和边界携带到下一轮。保存与导出让这条路径可追溯。

明确舍弃的功能： 不做多 Agent 自主循环、不做模型训练、不维护服务器上的个人知识库、不要求向量数据库、不默认搜索、不自动执行代码或交易等有副作用的工具。当前原型也没有多人共享账户、云同步、企业权限或自动事实核查。

选择这些边界的原因是可验证性：先证明“选得出、看得懂、接得上、可重放”，再研究是否产生更好的创意。结构映射理论提供了关注关系而非表面属性的动机；本实现没有复现完整 SME 算法。[1]

2. 概念词包：数据拥有可迁移的边界

内置包包含 240 个作者编写的概念，覆盖 20 个领域。每条数据拥有稳定 ID、名称、别名、领域、描述、关键词、结构角色与可选来源引用。它是可用的起始包，并非“覆盖世界的巨大概念空间”。

内置 48 维向量来自人工领域、宏观分组、关系与少量稳定扰动特征，元数据明确标记 kind: curated。它不属于神经语义 Embedding，不能用来证明真实语义距离。使用者可以导入其他 JSON 词包，或调用自己的 Embedding API 一次性重算，再导出离线复用。

词包记录 schema_version、许可、来源说明，以及向量的模型、维度、文本配方和端点。服务端要求向量全覆盖或全不覆盖，拒绝零向量、非有限值、维度混用和重复概念 ID。JSON Schema 负责形状验证，跨字段不变量由 Zod 的运行时检查补充。

来源与知识库

可选搜索会返回资料列表；用户也可粘贴自己的材料。提取模型将材料变成概念，必须引用已提供的来源 ID。用户确认后，概念与来源文本、链接一起保存进词包。搜索来源采用内容哈希 ID，减少多轮搜索覆盖 doc-1 一类编号的风险。外部资料始终标记为未经核实，导入后的许可变为混合来源说明。

词包中的 sources 是轻量来源集合，不是独立的文档 RAG 系统。碰撞时仅附带两个概念关联的来源，最多 6 条，每条截取前 3,000 字符。大型资料的分块、相关片段检索、权限继承等能力留待明确需求后增加。

原子重建向量

重建过程每批 32 条，在全部请求、数量和维度验证成功后一次替换。失败或用户中途换包时，原词包保持不变。合并新概念会清除整包旧向量，以免混用空间；使用者随后可重建。当前没有跨版本增量索引或后台补算。

3. 能量控制与有界的判断重排

向量存在时，距离采用 d = (1 - cosine) / 2；没有可比较的向量时，使用字符二元组与领域相同标记的轻量词法近似。词法近似无法可靠理解跨语言和抽象概念，界面明确显示该状态。

能量	当前词包中距离的分位区间	交互含义
LOW	0%–15%	近邻
MEDIUM	15%–38%	跨界
HIGH	38%–62%	远迁移
EXTREME	62%–83%	陌生领域
WTF	83%–100%	更远的意外相遇

这些阈值属于可调整的产品参数，没有实验依据证明它们最优。分位数适应不同词包的距离分布；同一档位并不保证换包后具有相同的绝对语义距离。手动指定概念会绕过能量区间，界面会提示。

先过滤区间，再计算角色重叠 s，基础权重为 0.35 + 0.65s。可选判断模型只重排区间内最多 12 个候选，不改变区间。判断模型收到名称、描述和角色，不收到无意义的大段向量数值。

判断输出包含结构性 S、可用性 U、新颖性 N、置信度 C，数值范围均为 0–1。当前采样使用 Q = 0.6S + 0.4U，将基础权重乘以 1 + 0.8C(Q - 0.5)，调整因子限制在 0.6–1.4。新颖性被记录，但不再次直接放大，以免与能量重复驱动“越怪越好”。

最终概率为 30% 均匀抽样 + 70% 归一化调整权重。最近 8 个目标在有新候选时暂时排除；所有候选都用过后恢复原池。相同包、候选排序 seed 和抽样 seed 可重放。置信度只控制判断对抽样的影响，不能充当创意质量的概率。Jev 官方的 confidence 描述回答分布，而非本任务上经校准的正确率。[2][3]

4. 两阶段生成与严格的结果血缘

第一阶段：结构。 生成模型输出逐行 JSON，期望 4–6 条映射，服务端最多接收 8 条。每条必须包含源角色、目标角色、共同关系、迁移机制、失效边界与来源 ID。没有通过校验的映射时停止当前轮次。

第二阶段：碎片与草案。 将第一阶段通过校验的映射作为输入。每个碎片与草案必须引用真实存在的 mapping_ids。服务端最多接收 20 个碎片与 3 个草案；重复 ID、未知映射引用、无效数值和格式错误会被拒绝。若只有部分有效输出，会展示实际数量与警告；完全缺少有效碎片或草案时不标记成功。

生成过程通过 SSE 发送阶段、原始文本增量、结构、碎片、草案、警告和完成事件。客户端遇到断流或错误会保留已收到的部分内容，明确显示失败或停止状态；不会暗中换成本地模板。停止按钮会中止下游请求并传播取消信号给上游。

继续碰撞的真实语义

选中碎片后，其内容、映射和边界会进入下一轮上下文。候选定位暂时继承父概念向量；这是一种定位启发式，未声称已计算出“碎片的新语义向量”。界面会说明继承关系。后续可以在一次显式 Embedding 调用中重嵌入碎片，但本版本没有增加这笔默认费用。

本地演示的边界

无 key 模式使用词包作者标注的共同角色与 20 个规则化探索片段。没有共同角色时只展示探索问题，不捏造有效映射或实验草案。该模式验证交互完整性，不等同于真实模型产出的新点子。

5. 与模型无关的接口层

前端只依赖概念、映射、碎片、草案、判断和来源等业务对象。各提供方特有的请求格式封装在 adapters.mjs，类型与约束集中在 contracts.mjs。能力分为生成、判断、Embedding 与只读资料检索四类。

能力	已实现的协议适配	当前边界
生成	OpenAI Chat Completions、Responses、通用 JSON HTTP	Chat/Responses 流式；通用 JSON 为完成后返回
判断	Jev systemone、Chat/Responses、通用 JSON HTTP	三轴分级，统一映射到 Score
向量	兼容 `/embeddings`、通用 JSON HTTP	浮点数组，按 index 重排，验证覆盖与维度
搜索/工具	Exa、SearXNG、通用 JSON HTTP	只读检索；需要明确点击

界面提供 DeepSeek、Jev、OpenAI Embedding、Exa 的预填示例，可替换地址、模型 ID 和 key。DeepSeek 官方使用 OpenAI 兼容的 Chat Completions 形状；当前预填模型为 deepseek-flash，使用时仍应以提供方账户可用模型为准。[4] OpenAI 的 Responses 与 Embedding 分别有独立的请求/响应定义，本实现各自适配。[5][6]

Jev 使用 POST /v1/systemone 的 score questions。每个候选包含结构、可用性、新颖性三个问题，每题采用三档描述，因此返回分数除以 2 转成 0–1。[2] Exa 使用 /search 并请求正文；SearXNG 使用 /search?format=json，实例必须启用 JSON 输出。[7][8]

兼容声明。 任意模型可以通过业务合约接入，不等于所有供应商的原生 API 都能直接填写即用。原生协议不同、认证在查询参数中、专有事件流或必须使用特殊 token 参数的服务，需要一个通用 JSON 适配器。本版没有原生 MCP 客户端、任意 Shell 工具或自主工具规划循环。

6. 界面与用户操作设计

页面分为碰撞台、概念词包、实验与记录三部分。视觉采用浅底、墨黑、青柠与少量粉色；动态只服务于两个概念的碰撞过程，持续约 1.6 秒，随后回到静止阅读。系统尊重 reduced-motion 设置。

碰撞台把能量、目标、模式与来源状态放在生成前；结果区域提供碎片、结构映射与实验草案三种视图。用户点击碎片后可看到来自哪些关系，再继续碰撞。原始流与运行信息折叠展示，避免占据主界面。资料与模型返回的文本均按文本转义渲染，不执行其中的 HTML。

设置对话框允许四类能力分别接入，不强迫所有能力使用同一家厂商。密钥只放在本页内存；非密钥配置、词包和最近 50 条记录使用浏览器 IndexedDB。刷新后 key 清空，导出的设置不含 key。

浏览器端到端测试覆盖桌面、390px 手机宽度、减少动态效果、键盘关闭对话框、词包导入导出、向量重建、来源合并、模型列表、判断重排、双阶段 SSE、记录恢复和在线配对实验。该测试验证交互与协议，不证明用户偏好。尚未执行真人可用性或动效消融研究。

7. 消融实验：实际结果与解释边界

离线机制实验选取每个领域的第一个概念，共 20 个输入；使用 5 档能量、每格 64 个固定种子、5 个变体，共 32,000 次采样。排序并列使用 seed=100，抽样使用 seed=9000…9063。原始记录、汇总 CSV、JSON 和复现脚本随工程交付。

变体	参照区间命中	平均角色重叠	每 64 次不同候选	平均领域数
完整方案	100.00%	0.6592	34.67	4.86
关闭能量	20.00%	0.6641	54.85	19.30
关闭结构权重	100.00%	0.6528	34.60	4.86
移除向量	33.09%	0.6528	34.81	5.51
关闭均匀探索	100.00%	0.6626	34.68	4.86

区间命中来自硬性过滤，100% 是正确性检查。关闭能量后的 20% 验证了操作确实改变抽样约束。结构权重仅增加约 0.0064 的角色重叠，且结构标签同时进入算法和指标，存在同源评价；这一结果不能证明创意更好。不同候选数在探索消融中几乎相同，因此没有证据宣称 30% 探索比例更优。

“移除向量”的命中率仍使用原人工向量空间作为参照。这说明两种距离函数选择了不同候选，不能证明人工特征优于真实语义向量。JSON 报告提供按输入概念进行的 1,000 次簇自助抽样区间；这些不是独立用户样本。

另有 5,000 次人工判断分数压力抽样：人为放置“高置信低质量”和“低置信高质量”候选，有界质量权重抽到后者 61.94%，单按置信度抽样为 25.88%。这只是一个设定条件下的反例，未调用 Jev，不能报告为 Jev 的准确率或效果。

在线质量对照：已做工具，未做结论

界面提供“结构优先 vs 直接发散”的随机顺序配对运行与匿名评分导出。使用者自己提供 key；每轮完整组两次请求，直接组一次请求。每阶段输出上限相同，总预算不同，必须同时报告 token、时间和费用。真人评价可分新颖、可用、连贯三轴；未完成盲评前不宣布赢家。本项目没有声称创造力随能量呈倒 U 型。

8. 安全、隐私与运行边界

密钥经当前部署的后端转发到使用者指定的提供方。服务器不持久化 key、请求正文或个人词包，但运行期间能够访问 key；部署管理员与上游提供方属于信任边界。浏览器扩展、恶意终端、供应商留存政策均不受本项目控制。

公网 HTTP 不接收 key；生产入口使用 HTTPS。仅信任回环或管理员显式列出的反向代理 IP 传入的 HTTPS 标记。上游默认必须 HTTPS；URL 不接受 userinfo、查询参数或片段中的凭据。Bearer 与 Exa 的 x-api-key 为已实现的认证形状。

转发层检查全部 DNS 答案，拒绝回环、私网、链路本地、保留地址和混合公网/私网答案，将已验证地址固定到请求连接，不跟随重定向。自建内网 API 只能由管理员通过 IC_PRIVATE_HOSTS 放行精确主机名。公网演示没有放行任何私网模型。

外部来源作为不可信数据进入提示词；模型不能驱动任意外部动作。这降低了提示注入造成副作用的范围，但不保证输出完全免受误导。AI 结果必须经过独立验证。

当前服务限制为 16MB 请求体、12 个并发 API 任务、每连接来源 IP 每分钟 90 次请求、最多 5,000 个概念与 500 条来源；这些上限共同生效，不保证任意“概念数 × 向量维数”都能装进 16MB。反向代理后的限流可能成为整个演示站共享额度。长期公开运营应增加独立网关限流、认证与防滥用审计。

9. 技术选型、交付与扩展路线

前端采用原生 ES modules、HTML、CSS、Canvas 与 IndexedDB；服务端采用 Node.js 和两个运行时依赖 Zod、ipaddr.js。没有前端构建步骤，服务进程提供静态页面与统一 API。部署实际使用 Node 24，源码要求 Node 22 以上。Playwright 属于测试依赖。

项目提供 systemd 与 Nginx/HTTPS 安装脚本，以及单容器 Dockerfile/Compose。生产服务使用专用非 root 用户和只读系统保护。项目目录独立于另一份并行原型，服务名为 idea-collider-byok，应用端口为 8792。TLS 私钥、证书账户、node_modules 和任何用户 key 都不进入交付包。

启动顺序：安装 Node 与依赖，运行测试和机制消融，启动服务，在浏览器验证本地演示，最后填写自己的模型端点与 key。服务端无个人数据库；停止服务不会丢失浏览器里的词包，但浏览器清理站点数据会删除本机记录，因此应导出重要结果。

扩展优先级保持克制：先收集真实模型格式合规率、单轮成本、映射可辩护性与用户盲评；若有证据，再调整能量分档与抽样权重；出现大型词包需求后再考虑紧凑向量格式、索引与真正的片段检索。多人共享、账户、权限、同步和向量数据库应由明确场景驱动。

结论： 本版本完成了可部署、可替换、可重放的产品闭环。创造力收益仍是待检验假设，交付的实验工具让下一轮验证能够在相同协议和可导出的证据上进行。