Shanent 衡熵

Local-first AI strategy judgment system

面向 AI 战略决策者的
本地优先判断系统

Shanent 把一手信息源、研究证据、个人世界观和周度变化组织成可追溯的战略判断， 而不是把上下文一次性塞给模型。测噪声，留信号。

View on GitHub Run locally in 30 minutes

三段闭环

Shanent 的工作流不是单次问答，而是一条可追溯、可演化的判断链路。

01

循证研究

从关键词、链接或材料出发，形成可追溯的研究草稿与 Evidence Pack，先有一手源，再有结论。

02

洞察判断

将 Data / Information / Knowledge 逐层压缩，对照世界观与战略问题，形成可校准的判断。

03

视觉呈现

将 Wisdom 转成 16:9 管理层画布、周报与汇报素材，直接用于与决策层的沟通。

为什么不是通用 AI 工具

战略判断没有现成的 tool call。Shanent 关心判断如何形成、如何变化、如何被校准。

不是通用 RAG demo

不是"把资料塞进向量库再问答"。Shanent 关心判断如何形成、变化和被校准。

Evidence before judgment

先有一手源和 evidence pack，再形成 Knowledge / Wisdom；每个结论都可追溯回原始来源。

世界观可配置

世界观不藏在 prompt 里。通过 worldview 配置即可注入、审查、替换实体、维度与战略问题。

Human keeps the gate

Human-in-the-loop：模型负责建议、综合与草稿，人负责确认判断、导入与校准。

本地运行

Local-first：数据不出本机，clone 下来改一份配置即可运行。

Quick Start

git clone https://github.com/chuiwenwei/Shanent.git
cd Shanent
cp .env.example .env
# 编辑 .env：填入 DEEPSEEK_API_KEY
bash scripts/web.sh restart web
# 打开 http://127.0.0.1:5173/
bash scripts/web.sh doctor

三种运行模式

  • local-full — 作者本机完整知识库
  • sample-mode — 示例数据，快速理解 DIKW 链路
  • empty-mode — 空白状态，从自己的材料开始

没有作者私有知识库也能跑：fresh clone 用示例数据演示完整链路，或优雅处理空状态。

产品表面

主要页面按判断链路分组，每页只做一件事。

Research · Data · Information

研究闸门、证据包与结构化信息：材料从这里进入系统，成为可追溯的输入。

Knowledge · Wisdom

知识编译与周度判断：回答什么变了、哪个判断变强或变弱、下一步关注什么。

Vision · Question · Lab · About

管理层画布、战略问题框架、实验追踪与产品自述：输出面向决策层。

起点：Shannon + Entropy

Claude Shannon 用数学量化了信息与噪声的边界。Shanent 把这一思想引入日常 AI 战略工作。

测噪声，留信号。

Shanent = Shan(non) + (Ent)ropy。使命是把每一比特转化为可复用的认知增量，而不是让噪声淹没判断。

早期系统草图：从搜索、论文、GitHub、博客到 Insight、Vision、PPT 和 Wisdom
早期系统草图：从搜索、论文、GitHub、博客到 Insight、Vision、PPT 和 Wisdom。它是系统起点，不是最终产品形态。

常见问题

Shanent 和 ChatGPT / DeepSeek 客户端有什么不同？

聊天客户端给的是"对话"，Shanent 给的是"判断系统"：材料带证据链入库，结论对照固定战略问题演化，每周可追溯地更新。它不是另一个对话窗口，而是围绕判断建立的长期系统。

Shanent 和 RAG 有什么不同？

RAG 是"检索后回答"的工程模式。Shanent 不是通用 RAG demo，也不是 prompt wrapper：它关心判断如何形成、变化和被校准，证据、世界观、周度变化与人的确认是判断的一部分，而不只是检索上下文。

我的数据会不会上传？

不会。Shanent 是 local-first 系统，战略材料、判断与周报默认全部在本机处理，数据主权始终在你手里。模型调用仅在明确配置 API key 后发生。

没有作者知识库能不能跑？

能。fresh clone 以 sample-mode 提供示例数据，演示完整 DIKW 链路；也可以 empty-mode 从空状态开始，用自己的材料逐步建立知识库。

是否支持自定义世界观？

支持。世界观通过配置文件注入，可审查、可替换：实体、维度与战略问题都不需要改源码。

是否需要模型 API？

完整链路（Research → Wisdom → Vision）需要配置模型 API（默认 DeepSeek）；纯浏览与结构管理可以在本地运行。Research harness 仍在演进中，具体能力以 README 为准。