README_CN.md

BNOS - 仿生神经网络节点操作系统

🌍 Language | 语言选择：中文 | English

📋 更新日志

2026-05-18 - 增强节点创建与启动脚本

✨ 新功能

1. Rust 节点增强

• ✅ 双可执行文件检测: start.bat 和 start.sh 现在分别检测主程序和监听器可执行文件
• ✅ 智能编译: 仅在任一可执行文件缺失时自动触发 cargo build --release
• ✅ 直接运行: 当两个可执行文件都存在时跳过编译，直接启动监听器
• ✅ 延迟扩展支持: Windows 批处理脚本现在使用 setlocal enabledelayedexpansion 确保变量正确处理
• ✅ 多级配置查找: main.rs 和 listener.rs 都在三个位置搜索 config.json（target/release → target → 项目根目录）
• ✅ 完整路径调用: 监听器使用完整路径调用主程序，避免工作目录问题
• ✅ 自动生成 output.json: 新节点现在包含初始的 output.json 文件，内容为 {"code":0,"data":null}

2. Python 节点增强

• ✅ 自动生成 requirements.txt: 新节点包含模板 requirements.txt 文件，带有注释示例
• ✅ 跨平台依赖管理: Windows (start.bat) 和 Linux/macOS (start.sh) 现在都支持自动依赖检测和安装
• ✅ UTF-8 编码支持: 修复了 Windows 上读取 requirements.txt 时的编码问题（之前会出现 GBK 错误）
• ✅ 智能依赖检测: 在检查/安装依赖前过滤掉注释行和空行
• ✅ 优雅降级: 安装失败时显示警告但不会阻止节点启动

🔧 Bug 修复

Rust 节点:

• 修复了 Cargo.toml 包名问题（从 "1" 改为正确的节点名称）
• 修复了启动脚本中的二进制文件名引用
• 修复了监听器和主程序中的配置文件路径解析
• 移除了导致编译器警告的未使用导入

Python 节点:

• 修复了依赖检测逻辑中的 UTF-8 编码处理
• 确保 Windows 和 Linux/macOS 启动脚本行为一致

📝 文档更新

• 更新了节点创建脚本，添加了全面的错误处理
• 在生成的 requirements.txt 模板中添加了清晰的使用说明
• 改进了启动脚本中的日志消息，添加了表情符号指示器

---

📖 项目简介

BNOS（Bionic Neural Network Operating System）是基于仿生神经网络的通用模块化执行引擎。系统采用类脑架构，通过组合多个协同工作的节点来构建各种应用系统，可用于插件化系统、自动化流水线、任务调度、边缘计算、微服务等场景，同时也可用于构建 AI 智能体。每个节点是系统中的最小执行单元（类似大脑中的神经元或功能模块），多个节点通过 JSON 文件进行通信和协作，共同实现复杂的业务逻辑和处理能力。

🧬 设计理念

本系统借鉴生物神经网络的核心特征，映射到通用模块化执行场景：

• 功能节点（神经元）: 每个节点如同大脑中的神经元或功能模块，负责特定的子任务处理
• 节点协同（神经回路）: 多个节点通过数据文件建立连接，形成系统的协作网络
• 注意力机制: 基于过滤规则的任务筛选，模拟节点的注意力聚焦机制
• 防重复处理: 自动标记已处理任务，避免节点重复执行相同操作（提升效率）
• 模块化设计: 通过组合不同功能的节点，灵活构建具有复杂能力的各类应用系统

⚡ 高并发设计理念

BNOS 不要求所有节点都支持高并发，而是采用类脑架构：

1. 高性能节点独立实现: 高并发、高性能需求（如 LLM 推理、大规模计算、高频访问）仅在单个专业节点内部实现
2. 技术栈自由选择: 该节点可自由使用多线程、多进程、协程、第三方引擎等技术，不受框架限制
3. 轻量节点保持稳定: 其他节点仅负责任务感知、注意力过滤、决策调度、结果存储，保持轻量稳定
4. 极简通信机制: 节点间通过文件实现极简通信，避免分布式系统的复杂性
5. 多语言支持: 可根据性能需求使用不同语言实现节点（Python、Rust、C++等），所有节点通过统一的 JSON 协议通信

这种架构让系统既简单稳定，又能在关键节点实现极致性能。

🏗️ 系统架构

上层任务 (upper_data.json)
    ↓
监听器 (listener.py) ← 注意力过滤（节点注意力机制）
    ↓
节点处理逻辑 (main.py) ← 功能单元执行
    ↓
输出给下一个节点 (output.json) ← 节点间通信

核心组件

• listener.py / listener.rs: 节点监听器，负责监听上层任务、执行注意力过滤、调用节点处理逻辑
• main.py / main.rs: 节点处理逻辑，实现智能体内部特定功能单元的执行逻辑
• config.json: 节点配置文件，定义节点名称、监听路径、注意力规则等
• packet.py / packet.rs: 数据包结构定义文件（节点间通信格式）
• python_create_node.py / rust_create_node.py: 节点创建工具，自动生成新节点的完整结构（Python/Rust）
• 多语言支持: 支持 Python、Rust 等多种语言实现，所有节点使用统一的 JSON 通信协议

✨ 主要特性

• 🔒 环境隔离: 每个节点拥有独立的 Python 虚拟环境（venv），确保系统内各功能单元的独立性
• 🎯 注意力机制: 支持基于字段值的精确任务过滤，节点只关注符合条件的任务（模拟注意力聚焦）
• 📝 防重复处理: 自动标记已处理任务，避免节点重复执行相同操作（提升系统效率）
• 📊 日志系统: 完善的节点活动日志记录，支持文件和控制台双输出，便于追踪系统行为
• 🚀 模块化搭建: 提供节点生成器，一键创建标准化功能节点，快速组合构建各类应用系统
• 💻 跨平台: 支持 Windows 和 Linux/macOS 系统
• 🌐 通用流程编排: 支持通过组合多个节点构建复杂的工作流、数据流水线、微服务组件等
• 🔌 可插拔设计: 节点逻辑独立封装，可轻松替换、升级或添加新的功能节点，灵活调整系统能力，适用于插件系统、自动化工具链等场景

📁 项目结构

bnos/
├── data/
│   └── upper_data.json          # 上层任务数据文件（任务源）
├── node_python_demo/             # Python 示例节点（推荐快速开发）
│   ├── venv/                     # 独立虚拟环境
│   ├── logs/                     # 日志目录
│   │   └── listener.log         # 节点活动日志
│   ├── config.json              # 节点配置（注意力参数）
│   ├── listener.py              # 监听器程序（任务接收器）
│   ├── main.py                  # 节点处理逻辑（功能单元执行）
│   ├── packet.py                # 数据包定义（通信格式）
│   ├── output.json              # 输出数据文件（节点输出）
│   └── start.bat                # Windows 启动脚本
├── node_rust_demo/               # Rust 示例节点（推荐高性能场景）
│   ├── src/                      # Rust 源代码
│   │   ├── main.rs              # 主处理逻辑
│   │   ├── listener.rs          # 监听器和自愈逻辑
│   │   └── packet.rs            # 数据包定义
│   ├── Cargo.toml               # Rust 项目配置
│   ├── logs/                     # 日志目录
│   │   └── listener.log         # 节点活动日志
│   ├── config.json              # 节点配置（注意力参数）
│   ├── output.json              # 输出数据文件（节点输出）
│   ├── start.bat                # Windows 启动脚本
│   └── start.sh                 # Linux/macOS 启动脚本
├── python_create_node.py        # Python 节点创建工具
├── rust_create_node.py          # Rust 节点创建工具
└── README.md                    # 项目说明文档

🚀 快速开始

前置要求

Python 节点：

• Python 3.6+
• pip（用于创建虚拟环境）

Rust 节点：

• Rust 工具链 (rustc, cargo)
• 验证安装: rustc --version 和 cargo --version

创建功能节点

方案一：Python 节点（推荐快速开发）

1. 在项目根目录运行节点创建工具：

python python_create_node.py

2. 输入节点名称（如 data_processor、api_handler、task_scheduler），系统将自动生成： - 完整的节点目录结构 - 独立的 Python 虚拟环境 - 标准配置文件 - 启动脚本（Windows: start.bat / Linux: start.sh）

方案二：Rust 节点（推荐高性能场景）

1. 运行 Rust 节点创建工具：

python rust_create_node.py

2. 输入节点名称，系统将自动生成： - 完整的 Rust 项目结构 - Cargo.toml 配置文件 - 源代码模板（main.rs, listener.rs, packet.rs） - 具备自动编译能力的启动脚本

配置节点注意力

编辑 config.json 文件：

{
  "node_name": "data_processor",           // 节点名称（功能单元ID）
  "listen_upper_file": "../data/upper_data.json",  // 监听的上层任务文件路径（输入通道）
  "output_file": "./output.json",     // 输出文件路径（输出通道）
  "filter": {                         // 注意力过滤规则（注意力机制）
    "type": "data_task"
  },
  "output_type": "data_result"         // 输出数据类型标识
}

编写节点处理逻辑

Python 节点： 在 main.py 中实现 process() 函数：

def process(data):
    """处理输入任务并返回结果（功能单元执行）"""
    value = data.get("data", 0)
    return float(value) + 1

Rust 节点： 在 src/main.rs 中实现 process() 函数：

fn process(data: &serde_json::Value) -> Option<serde_json::Value> {
    // 在此实现你的业务逻辑
    let input = data.get("data")?;
    
    // 进行处理...
    let result = /* 你的处理逻辑 */;
    
    Some(result)
}

启动功能节点

Python 节点：

Windows:

cd node_python_demo
start.bat

Linux/macOS:

cd node_python_demo
chmod +x start.sh
./start.sh

Rust 节点：

Windows:

cd node_rust_demo
start.bat

Linux/macOS:

cd node_rust_demo
chmod +x start.sh
./start.sh

Rust 节点会在首次运行或检测到源代码更改时自动构建项目。

📋 配置说明

config.json 配置项

字段	类型	说明	示例
node_name	string	节点唯一标识符（功能单元ID）	"data_processor"
listen_upper_file	string	上层任务文件路径（相对或绝对路径，输入通道）	"../data/upper_data.json"
output_file	string	本节点输出文件路径（输出通道）	"./output.json"
filter	object	注意力过滤规则，键值对匹配（注意力机制）	{"type": "data_task"}
output_type	string	输出数据类型标识（结果类型）	"data_result"

注意力过滤机制（节点注意力）

• 如果 filter 为空对象 {}，节点将处理所有任务（广泛注意力）
• 如果配置了过滤规则，只有当任务包含所有指定字段且值完全匹配时才会被处理（聚焦注意力）
• 示例：{"type": "data_task"} 表示节点只关注 type 字段值为 "data_task" 的任务

数据包格式（节点间通信）

输入任务包 (upper_data.json):

{
  "type": "data_task",
  "data": 153,
  "_processed_data_processor": true
}

输出结果包 (output.json):

{
  "code": 0,
  "type": "data_result",
  "data": 154
}

🔧 开发指南

添加依赖

Python 节点： 在节点的 requirements.txt 文件中添加所需的 Python 包：

requests==2.28.0
numpy==1.23.0
openai==1.0.0

然后激活虚拟环境并安装：

# Windows
venv\Scripts\activate
pip install -r requirements.txt

# Linux/macOS
source venv/bin/activate
pip install -r requirements.txt

Rust 节点： 在 Cargo.toml 中添加依赖：

[dependencies]
serde = { version = "1.0", features = ["derive"] }
serde_json = "1.0"
chrono = "0.4"
# 添加其他依赖...

然后构建项目：

cargo build --release

调试技巧

1. 查看日志: 检查 logs/listener.log 文件了解节点运行状态（智能体内部活动监测）
2. 监控数据: 观察 upper_data.json 和 output.json 的变化（智能体内部信号流追踪）
3. 测试注意力: 修改 config.json 中的 filter 规则验证任务筛选（注意力调整）

日志格式

[2026-04-24 17:26:11] [INFO] ✅ 这是我的任务，开始处理
[2026-04-24 17:26:11] [INFO] ✅ 处理完成 | 已标记: _processed_perception_node
[2026-04-24 17:26:12] [ERROR] ❌ 任务包格式错误

🔄 工作流程（节点协同处理）

1. 任务接收: listener.py 持续监控 upper_data.json 文件（节点接收来自上游节点的任务）
2. 注意力过滤: 根据 config.json 中的 filter 规则判断是否处理该任务（节点注意力聚焦）
3. 防重复检查: 检查任务是否已被当前节点处理过（通过 _processed_<node_name> 标记，避免重复执行）
4. 节点处理: 调用 main.py 执行节点功能逻辑，传入 JSON 任务作为命令行参数（功能单元执行）
5. 输出结果: 将处理结果写入 output.json（节点输出，传递给下游节点）
6. 标记完成: 在 upper_data.json 中添加处理标记，防止重复处理（任务完成标记）

⚠️ 注意事项

1. JSON 格式: 确保所有 JSON 文件格式正确，否则会导致解析错误
2. 文件权限: 确保节点有读写数据文件的权限
3. 虚拟环境: 每个节点必须使用独立的虚拟环境，避免依赖冲突
4. 并发安全: 当前版本不支持多实例同时运行同一节点
5. 路径配置: 配置文件中的路径可以是相对路径或绝对路径
6. 系统设计: 设计系统时，合理组合多个节点形成完整的处理能力

🎯 适用场景

BNOS 作为通用模块化执行引擎，适用于以下场景：

• 🔌 模块化插件系统: 通过节点组合构建可扩展的插件架构
• 📊 数据流水线: 构建数据处理、转换、分析的自动化流水线
• ⏰ 任务调度: 实现复杂任务的分布式调度和执行
• 🌐 边缘计算: 在边缘设备上部署轻量级节点网络
• 🏗️ 微服务: 构建基于节点的微服务组件和API网关
• 🛠️ 自动化工具链: 创建CI/CD、测试、部署等自动化工具链
• 🤖 AI智能体: 构建多节点协作的AI智能体系统（感知、推理、决策节点等）
• 🧠 类脑计算实验: 进行类脑计算、神经网络模拟等研究实验
• ⚡ 高性能计算: 使用 Rust 节点处理需要极致性能的计算密集型任务

🐛 常见问题

Q: 节点没有处理任务？

A: 检查以下几点：

• 确认 filter 规则是否正确配置（注意力设置）
• 查看 logs/listener.log 是否有过滤日志
• 验证 upper_data.json 文件格式是否正确

Q: 如何重置节点处理状态？

A: 手动删除 upper_data.json 中的 _processed_<node_name> 字段（清除节点记忆）

Q: 虚拟环境创建失败？

A: 确保已安装 Python 并且 python -m venv 命令可用

Q: 如何构建完整的应用系统？

A: 通过创建多个功能节点（如数据处理节点、业务逻辑节点、API节点等），配置它们的 listen_upper_file 和 output_file 形成协同工作流，共同构成一个完整的应用系统。也可用于构建AI智能体，通过组合感知节点、推理节点、决策节点等实现智能体功能。

Q: 如何选择 Python 节点还是 Rust 节点？

A:

• 选择 Python 当：需要快速原型开发、易于调试、需要丰富的生态库、性能要求适中
• 选择 Rust 当：需要极致性能、内存安全至关重要、低延迟处理、生产环境稳定性要求高

Q: 可以在同一系统中混合使用 Python 和 Rust 节点吗？

A: 可以！所有节点无论使用何种语言实现，都通过标准化的 JSON 文件进行通信。你可以在同一个工作流中自由组合 Python 和 Rust 节点。

📋 更新日志

2026-05-18 - 增强节点创建与启动脚本

✨ 新功能

1. Rust 节点增强

• ✅ 双可执行文件检测: start.bat 和 start.sh 现在分别检测主程序和监听器可执行文件
• ✅ 智能编译: 仅在任一可执行文件缺失时自动触发 cargo build --release
• ✅ 直接运行: 当两个可执行文件都存在时跳过编译，直接启动监听器
• ✅ 延迟扩展支持: Windows 批处理脚本现在使用 setlocal enabledelayedexpansion 确保变量正确处理
• ✅ 多级配置查找: main.rs 和 listener.rs 都在三个位置搜索 config.json（target/release → target → 项目根目录）
• ✅ 完整路径调用: 监听器使用完整路径调用主程序，避免工作目录问题
• ✅ 自动生成 output.json: 新节点现在包含初始的 output.json 文件，内容为 {"code":0,"data":null}

2. Python 节点增强

• ✅ 自动生成 requirements.txt: 新节点包含模板 requirements.txt 文件，带有注释示例
• ✅ 跨平台依赖管理: Windows (start.bat) 和 Linux/macOS (start.sh) 现在都支持自动依赖检测和安装
• ✅ UTF-8 编码支持: 修复了 Windows 上读取 requirements.txt 时的编码问题（之前会出现 GBK 错误）
• ✅ 智能依赖检测: 在检查/安装依赖前过滤掉注释行和空行
• ✅ 优雅降级: 安装失败时显示警告但不会阻止节点启动

🔧 Bug 修复

Rust 节点:

• 修复了 Cargo.toml 包名问题（从 "1" 改为正确的节点名称）
• 修复了启动脚本中的二进制文件名引用
• 修复了监听器和主程序中的配置文件路径解析
• 移除了导致编译器警告的未使用导入

Python 节点:

• 修复了依赖检测逻辑中的 UTF-8 编码处理
• 确保 Windows 和 Linux/macOS 启动脚本行为一致

📝 文档更新

• 更新了节点创建脚本，添加了全面的错误处理
• 在生成的 requirements.txt 模板中添加了清晰的使用说明
• 改进了启动脚本中的日志消息，添加了表情符号指示器

---

---

2026-05-21 - 后台运行与进程健康检测

✨ 新功能

• 后台进程检测: GUI 通过 .pid 文件检测上一会话中后台运行的节点
• 进程健康检测: 每 3 秒轮询运行中进程；崩溃节点自动更新为停止状态
• 启动脚本改造: start.bat 和 start.sh 全面支持 --no-pause 参数、start /b / nohup & 后台启动、自动写 .pid 文件
• 节点生成器开发准则: 新增标准开发指南，用于创建新语言节点生成器 (节点生成器开发准则.md | Node_Generator_Guidelines_EN.md)

🔧 Bug 修复

• 修复 subprocess.PIPE 缓冲区死锁，改为 DEVNULL

• 修复启动脚本前台阻塞问题

• 修复跨会话进程状态丢失

  ---

  📄 许可证

  本项目采用 MIT License 开源协议。

  👥 贡献

  如需添加新功能或修复问题，欢迎提交 Pull Request 或 Issue。

  ---

  ---

  开发与设计

  由 阿东与守一团队（Ahdong&Shouey Team） 开发设计 最后更新：2026-05-21