Suwerenny silnik ekspercki klasy Enterprise. Jedna maszyna, modele zamknięte w środku, jeden orkiestrator dyrygujący rojem - uziemiony deterministycznym solverem i retrievalem. Dane nie wychodzą na zewnątrz.
Pytanie wchodzi z zewnątrz, orkiestrator rozdziela je między drafterów, deterministyczny solver liczy prawdę, weryfikatorzy sprawdzają, a synteza odsyła odpowiedź ze śladem - cała maszyneria zamknięta w jednej maszynie.
VEE to nie czat z modelem. To zamknięty, suwerenny silnik ekspercki: na jednej maszynie żyje orkiestrator klasy Kimi (replikacja Abiego), a pod nim rój modeli roboczych. Orkiestrator rozkłada zadanie, rozdziela je w roju, a prawdę bierze z deterministycznego solvera i ze źródeł - nie z „pamięci" modelu.
Orkiestrator definiuje zadanie → rój modeli rozumuje równolegle → solver liczy → weryfikator powtarza obliczenie → strażnik wyrzuca każdą liczbę bez pokrycia. Na wyjściu: odpowiedź eksperta z pełnym śladem, czym dokładnie została policzona. Całość w jednej obudowie - model klienta nie opuszcza jego maszyny.
To jest „moat" Enginetrica: anti-halucynacja jako produkt klasy Enterprise. Audytowalność i suwerenność, których czyste modele językowe nie dają.
Wszystko zamknięte w jednej obudowie - od warstwy rozumowania, przez rój, po uziemienie w prawdzie.
Każda konfiguracja to inny sposób spięcia roju i narzędzi. Testujemy je po kolei i mierzymy, czy realnie podnoszą jakość - czy tylko spalają moc.
Drafter → weryfikator → strażnik na jednym modelu (qwen3.6:35b-a3b) - trzy system-prompty, łańcuch szeregowy. Strażnik realnie koryguje draft.
RdzeńN drafterów liczy niezależnie, bierzemy medianę liczb. Tłumi pojedyncze wpadki - ale nie naprawia błędu wspólnego dla wszystkich.
GłosowanieRole przełączone na programistyczne (autor → reviewer → integrator), głosowanie wyłączone. Produkuje kompletny, uruchamialny kod - nie urywki.
Zweryfikowany ✓Rój nie zgaduje fizyki - woła deterministyczny solver Rust: frac-out, hydraulika, balastowanie, dopasowania reologiczne. Każdy wynik ze śladem.
Działa ✓Każda norma/wartość tablicowa cytowana ze źródła z korpusu, zamiast „pamięci" modelu. Następny element uziemienia.
W budowieMocniejszy sprzęt → więcej instancji → warstwy równoległe biegną naprawdę równolegle, orkiestrator rozdziela zadania na wolne modele.
RoadmapKażda topologia to inny pomysł na to, który model rozmawia z którym i po co. Testujemy je po kolei na tej samej baterii pytań i wybieramy najlepszą pod HDDSuite - tę, która najpewniej łapie błąd i najmocniej kotwiczy się w prawdzie solvera.
Spięcie: 3 drafterzy różnych rodzin równolegle (qwen3.6 + gemma4:31b + mistral) -> SOLVER -> 3 weryfikatorzy o różnych soczewkach (phi4 jednostki + gemma4:26b fizyka + qwen-coder wzór) -> synteza gpt-oss.
Dlaczego: Różnorodność rodzin rozbija skorelowane błędy, solver dokłada prawdę. Live: panel złapał niebezpieczny błąd jednego modelu.
Zrobione i przetestowane ✓Spięcie: 1 mocny drafter (gemma4:31b) -> SOLVER -> szeregowy łańcuch weryfikatorów (qwen-coder -> gemma4:26b -> qwen3.6), każdy widzi poprawki poprzednika -> synteza.
Dlaczego: Sekwencyjne pogłębianie zamiast równoległego rozproszenia. Mniej modeli, więcej przejść. Test: czy głębia bije szerokość.
Do testówSpięcie: SOLVER liczy najpierw -> jeden model ubiera wynik w prozę -> jeden weryfikator sprawdza zgodność ze solverem.
Dlaczego: Dla pytań ilościowych: minimalny model, maksymalny solver. Najszybsze i najmocniej zakotwiczone w prawdzie. Czysta forma „silnik LICZY, AI ubiera".
Do testówSpięcie: N drafterów różnych rodzin rozwiązuje niezależnie -> solver jako arbiter liczb -> panel sędziów ocenia każdą całość -> wybór NAJLEPSZEJ + zaszczepienie najlepszych fragmentów.
Dlaczego: Selekcja najlepszej odpowiedzi zamiast uśredniania. Wybrałby model poprawny zamiast mieszać go z błędnym.
Do testówT5 · Router (później): orkiestrator klasyfikuje pytanie i kieruje do najlepszej sub-topologii - najbardziej „VEE".
Tu trzymamy werdykty. Nie „wydaje się" - tylko zmierzone. Zakładki pokazują kolejne testy i to, czy dany kierunek potwierdził się, czy upadł.
Jakości nie da się dołożyć liczbą modeli. Model ręczący za model nie naprawia wspólnego błędu, a głosowanie nie pomaga. Trzeba dołożyć prawdę spoza modelu - solver i retrieval.
Przy generacji kodu z dobrą specyfikacją drafter ma mniej miejsca na konfabulację, a reviewer łapie realne bugi. Wniosek: rój jest mocny tam, gdzie zadanie jest jednoznaczne - i tam ma odciążać.
VEE jest w testach. Ta strona aktualizuje się przy każdym kroku: nowa konfiguracja, nowy benchmark, nowy werdykt - dobra koncepcja czy ślepa uliczka. Bez upiększania, z liczbami.
Most do solvera działa. Następne: solver jako rola „POLICZ" w łańcuchu, retrieval norm, benchmark v2 z twardym progiem, dobór orkiestratora.