渐得如意概念演示版

[Magic-Abracadabra]

关于本包（About This Package）

这是一个概念演示EXE，等到全面开源阶段时，本项目将不再采取EXE文件的分发形式。If allowed, we may open an English version as well. 我们欢迎大家用自己的母语重构本平台（语音模式下，可以使用方言）。

说明

重要声明

1. 本平台专为教育与合法生产力场景设计，严禁用户将其用于任何违法犯罪活动——我们欢迎用户就任何涉嫌滥用本平台的违法犯罪行为，依法向执法机关与监管部门举报
2. 本平台的数据库文件夹中的所有txt与py文件的内容归用户所有，用户可拥有本平台数据库的txt与py文件的数据内容版权
3. 本平台的基础智能架构与算法受版权保护且源码（https://github.com/Magic-Abracadabra/DAHSF）暂无协议——其为层次意蕴林（DAHSF：https://www.alphaxiv.org/abs/2412.14054）的实际应用（论文使用协议：https://creativecommons.org/licenses/by-nc-nd/4.0/）

官方教程：https://github.com/Magic-Abracadabra/DAHSF/wiki/渐得如意智能自动化办公平台——定义属于你的咒语

平台简介

您好，我叫“渐得如意”（渐得如意智能自动化办公平台：Gradual Magic Intelligent Office Automation Platform），是一个接近于使用自然语言进行自动化办公的中文编程平台。我会逐渐学习您的用语习惯。当我掌握它们后，我会命令这台计算机快速、可靠地执行您的指令。您也可以主动编辑我的数据库，这样您就可以在我的帮助下完全设计这台电脑为您执行命令的方式。
本平台有多种模式。您可以直接在刚才的这个平台与我对话，可以事先编辑好“.秘籍”的中文脚本文件然后用我打开运行（比如设置为默认的打开方式）。

平台功能与特色

1. 功能上，本平台可学习用户的词汇、（最好符合中文语法的）句法，并且允许用户使用个性化但相对自由多样的表述方式下达用户自己定义的Python指令。本平台既可以通过“渐得如意”直接命令交互，又可以用“渐得如意”打开中文命令脚本。
2. 特点上，本平台，作为这类架构的典型应用场景，延续了这类架构的特点，批判继承了Web3.0的理想。本平台因其所采用的架构，能在CPU上学习、本地运行、离线解析命令（除非自定义的指令内容需要联网）。一旦学习完毕，执行知识库内的指令迅速且较为稳定，可靠度高。模型架构之外，本平台使用中文作为脚本语言，无需手动编译就可以执行脚本。

平台的技术原理

1. 基础智能架构与算法（部分内容保密）——层次意蕴林的消化算法（DAHSF）：https://www.alphaxiv.org/abs/2412.14054
2. 持续学习RPA

Digestion Algorithm in Hierarchical Symbolic Forests: A Fast Text Normalization Algorithm and Semantic Parsing Framework for Specific Scenarios and Lightweight Deployment

Currently, the DAHSF is protected. Any external use is strictly prohibited, except for academic and research purposes. Commercial use requires explicit authorization contracts. Any use for malicious activities, cyberattacks, or black-hat operations, is strictly forbidden.

More Information

1. Hugging Face: https://huggingface.co/Magic-Abracadabra/DAHSF
2. AI Podcast: https://paper-podcasts.alphaxiv.org/0193dabb-9dc8-7c88-9973-7e905bfbe5cf/podcast.mp3

Abstract

Text Normalization and Semantic Parsing have numerous applications in natural language processing, such as natural language programming, paraphrasing, data augmentation, constructing expert systems, text matching, and more. Despite the prominent achievements of deep learning in Large Language Models (LLMs), the interpretability of neural network architectures is still poor, which affects their credibility and hence limits the deployments of risk-sensitive scenarios. In certain scenario-specific domains with scarce data, rapidly obtaining a large number of supervised learning labels is challenging, and the workload of manually labeling data would be enormous. Catastrophic forgetting in neural networks further leads to low data utilization rates. In situations where swift responses are vital, the density of the model makes local deployment difficult and the response time long, which is not conducive to local applications of these fields. Inspired by the multiplication rule, a principle of combinatorial mathematics, and human thinking patterns, a multilayer framework along with its algorithm, the Digestion Algorithm in Hierarchical Symbolic Forests (DAHSF), is proposed to address these above issues, combining text normalization and semantic parsing workflows. The Chinese Scripting Language "Fire Bunny Intelligent Development Platform V2.0" is an important test and application of the technology discussed in this paper. DAHSF can run locally in scenario-specific domains on little datasets, with model size and memory usage optimized by at least two orders of magnitude, thus improving the execution speed, and possessing a promising optimization outlook.

Significant Declaration

Due to very limited resources (esp. equipments), the data (not including DAHSF) in this table was generated by ChatGLM-4.

产品功能

本平台可学习用户的词汇、（最好符合中文语法的）句法，并且允许用户使用个性化但相对自由多样的表述方式下达用户自己定义的Python指令。本平台既可以通过“渐得如意”直接命令交互，又可以用“渐得如意”打开中文命令脚本。

价值主张

你的创意，你的数据，左右由你——渐得如意智能自动化办公平台

简短描述

功能上，本平台可学习用户的词汇、（最好符合中文语法的）句法，并且允许用户使用个性化但相对自由多样的表述方式下达用户自己定义的Python指令。本平台既可以通过“渐得如意”直接命令交互，又可以用“渐得如意”打开中文命令脚本。
特点上，本平台，作为这类架构的典型应用场景，延续了这类架构的特点。本平台因其所采用的架构，能在CPU上学习、本地运行、离线解析命令（除非自定义的指令内容需要联网）。一旦学习完毕，执行知识库内的指令迅速且较为稳定，可靠度高。模型架构之外，本平台使用中文作为脚本语言，无需手动编译就可以执行脚本。

关键字

RPA、自定义中文高级计算机语言、本地学习、可审计运行、新派Web3.0

版权和商标信息

本平台的基础智能架构与算法受版权保护且源码（https://github.com/Magic-Abracadabra/DAHSF ）暂无协议——其为层次意蕴林（DAHSF：https://www.alphaxiv.org/abs/2412.14054 ）的实际应用（论文使用协议：https://creativecommons.org/licenses/by-nc-nd/4.0/ ）

其他许可条款

1. 您完全理解并完全同意，本平台专为教育与合法生产力场景设计，严禁用户将其用于任何违法犯罪活动——我们欢迎用户就任何涉嫌滥用本平台的违法犯罪行为，依法向执法机关与监管部门举报
2. 您完全理解并完全同意，本平台的数据库文件夹中的所有txt与py文件的内容（特别是使用本平台产生的）归您所有，在不侵犯此条规则产生的版权的条件下（即他人已经使用本平台产生属于他人的个性化数据），您可拥有本平台数据库的txt与py文件的数据内容版权（因此有权利拥有、出售、转让、申请相应版权）
3. 您完全理解并完全同意，在该项目未彻底开源之前，不得对本平台进行任何形式的逆向工程；您完全理解并完全同意，不得对本平台采用的DAHSF及其序列解析架构进行未经授权的改造；如需商用本平台，请通过以下方式联系我们：
   3.1. GitHub：https://github.com/Magic-Abracadabra
   3.2. Codeberg：https://codeberg.org/Magic-Abracadabra
   3.3. Hugging Face：https://huggingface.co/Magic-Abracadabra
   3.4. Vimeo：https://vimeo.com/magicabracadabra
   3.5. Instagram：https://www.instagram.com/magic_abracadabra_ins/
   3.6. 火山引擎：https://developer.volcengine.com/user/2930619025728955
   3.7. 魔搭社区：https://www.modelscope.cn/profile/MagicAbracadabra
   3.8. 稀土掘金：https://juejin.cn/user/458920202081724

开发者

Magic-Abracadabra

近似大小

17.2 MB

---

This discussion was created from the release 渐得如意概念演示版.

[Magic-Abracadabra]

目前过审的安装包存在问题（缺少2个关键空文件夹“秘籍书房”和“机关实验室”）；第二次提交可能由于文件读写权限问题或者语言字符适配问题微软方审核暂未通过（目前的内测结果表明国内的计算机全部正常）