LingNao

io.github.genesis-planv1.4.1Updated Oct 9, 2026

LingNao: deterministic reasoning for AI agents → verified/refuted/unverifiable. ~3ms, fail-closed.

VerifiedSTDIODesktop onlyDeveloper ToolsAI & ML

Overview

AI-generated overview

LingNao exposes one gateway tool that performs deterministic symbolic reasoning — planning, causal inference, uncertainty bounds and math sanity checks —…

What it does
A single MCP tool named lingnao dispatches roughly 51 operations through an op plus args call, covering A* and deterministic MCTS planning, do-calculus causal and counterfactual reasoning, PAC/VC sample-size bounds, world-model and belief operations, embodied task planning with SAFE-STOP and bounded replanning, and ten deterministic mathematical sanity traps. Outputs are structured JSON with a three-state verdict (true, false, or abstain) and a reproducible proof ledger; the same input always yields the same output. The README states the engine is symbolic and that any optional LLM use is confined to natural-language parsing and explanation, marked UNVERIFIED_LLM and kept out of the…
When to use it
Use it when an agent needs reproducible, machine-consumable reasoning steps rather than generated text: route planning under constraints, causal effect or counterfactual questions, sample-size estimation, or sanity checks against known mathematical theorems. It is not a language model, an auditor, a verifier, or a general theorem prover, so it is a poor fit for text generation or formal proof work.
Requirements
Runs locally over stdio, typically via npx with the npm package lingnao-mcp or the GitHub repository; Node.js is needed. The README's example configuration shows an optional OPENROUTER_API_KEY environment variable that may be left empty. No authentication is declared in the manifest and no other credentials are required.
Before you install
The README's example config includes an OPENROUTER_API_KEY environment variable; treat any key as a secret and leave it empty if unused. Embodied operations such as execute_task and set_state can act on attached bodies or hardware, and the README notes only ws, modbus-tcp and mqtt drivers are actually implemented. Several knowledge operations return available:false until a knowledge base is connected, and the README explicitly disclaims guarantees of absolute safety, correctness or completeness.

Installation

In SourceWeft

  1. Open LingNao in the dashboard and add it to a workspace.
  2. Enable the server for the chats that should use its tools.

Desktop only via STDIO. STDIO servers start a local process, so they need the SourceWeft desktop host.

Other MCP clients

Follow the launch instructions in the repository.

README

English | 推理方法学与数学定理（地基文档） | API 接入指南 | Playground

灵脑 LingNao · 任意智能体的确定性推理服务

[License] [MCP] [Non-LLM] [npm]

灵脑是面向「任意智能体」的确定性推理服务层——不做验证、不做审计，只做推理。 无论你的智能体跑在 Claude、GPT、自研 agent 还是机器人控制器上，只要它能发 MCP 调用，就能用同一个网关 lingnao（op + args → 结构化结论）拿到确定性、不幻觉、可复现的推理。 推理能力由真实数学定理支撑：A*/确定性 MCTS 做深思规划，do-演算做因果推理，PAC/VC 维做不确定性界，Baire 纲 / 紧致性 / 代数簇 / 范德瓦尔登 / Cauchy–Lipschitz / Bertrand / 鸽笼原理 / 霍尔匹配 / Erdős–Szekeres / 欧拉路径 共 10 个真实定理做数学健全性压力测试。 完整方法学与定理清单见 docs/00-推理引擎原理与方法学.md。

  • 仓库：genesis-plan/lingnao · npm：lingnao-mcp · 在线试用：playground ／ 控制台
说明
是确定性推理服务层：对智能体/机器人的规划、因果、世界模型、数学健全性做符号推理；同输入必得同输出；不可判定时诚实返回 𝕌（弃权）
不是语言模型（不生成文本、无世界知识）、审计器、认证器、"绝对安全"的证明器、通用数学定理证明器（Coq/Lean 类），也不是验证/裁判层

为什么"任意智能体"都能用

这不是营销话术，而是接口设计 + 内核性质共同保证的：

性质含义对任意智能体的意义
单一网关只暴露 1 个工具 lingnao，靠 op 分派 51 项能力任何 MCP 客户端一行配置即可接入，无需为某家 LLM 定制
智能体无关语义入参/出参都是结构化 JSON，op 是稳定键名不要求智能体说中/英、不绑定任何框架、不依赖特定模型
确定性内核同输入 ⇒ 同输出推理可复现、可比对，能直接集成进任何决策回路
无神经网络在环推理全是符号/数值确定性计算；可选 LLM 仅在"感知 NL→JSON"与"解释"两端，强制标 UNVERIFIED_LLM 且绝不进入推理链不幻觉、不编造、不被 prompt 注入改写出错答案
三态诚实语义真 / 假 / 想不了（𝕌 弃权），fail-closed智能体拿到的是"可被机器消费"的结论，而非需再判断的自然语言
可复现推理账本推理链由 Hoare 逻辑闭合（proof ledger）任意智能体都能拿到"为何得此结论"的可验证轨迹

方法学与数学定理（地基）

灵脑的推理能力由真实数学定理支撑，不是启发式打分。五大前沿逐一对应：

#前沿方法数学定理 / 形式基础对应 op
①深思规划可搜索推理（非一遍直出）A*（可采纳启发式下最优）；确定性 MCTS（UCB1）；Bellman 值迭代reason · dmcts · plan_task · h_max · goal_directed
②因果推理因果图 + do-演算Pearl 因果阶梯；do-演算（后门/前门准则）；反事实三步法causal · causal_effect · counterfactual
③不确定性理论样本复杂度界 + 保角预测PAC（Valiant 1984）+ VC 维：m ≥ (d_VC·ln(1/ε)+ln(1/δ))/ε²pac_bound
④数学健全性压力测试真实定理做健全性检验Baire 纲 / 紧致性 / 代数簇(Zariski) / 范德瓦尔登(Ramsey) / Cauchy–Lipschitz / Bertrand / 鸽笼原理(Dirichlet) / 霍尔匹配(Hall) / Erdős–Szekeres / 欧拉路径(Euler)baire_trap · compactness_trap · variety_trap · van_der_waerden_trap · cauchy_lipschitz_trap · bertrand_trap · pigeonhole_trap · hall_trap · erdos_szekeres_trap · euler_path_trap · run_deterministic_traps
⑤世界模型 / 反事实 / 元认知 / 自演化SEM + 不动点 + Hoare + FCA结构方程模型；Banach 不动点；Hoare 逻辑 {P}C{Q}；形式概念分析 FCAworld_model · perceive_belief · meta · knowledge_* · sl_* · ima_*
＋具身决策声明式能力契约 + 有界重规划闭环规划→执行→SAFE-STOP→有界重规划（maxReplans）attach_body · get_state/set_state/state_diff · positioning

逐条定理出处、保证内容与 op 对应关系，见 docs/00-推理引擎原理与方法学.md。 诚实注记：因果/世界模型为 lite 实现（PC-lite 发现、线性 SEM），规划基于有限图；但每个结论都来自确定性符号计算，可复现、不幻觉，数学健全性由真实定理保证。

30 秒上手

① MCP 接入（推荐，给任意 AI 客户端用） —— 不用开网页、不用服务器、不用本地装包：

json
{
  "mcpServers": {
    "lingnao": {
      "command": "npx",
      "args": ["github:genesis-plan/lingnao"],
      "env": { "OPENROUTER_API_KEY": "填你的免费Key（可留空）" }
    }
  }
}

npm 稳定版同款：{ "command": "npx", "args": ["-y", "lingnao-mcp"] }（见 mcp.json ／ mcp.example.json）

② 零安装网页 —— 双击 playground.html（A* 规划 + 因果 + 数学健全性陷阱，离线可用），或 lingnao-console.html（接入身体/大模型/大脑后开始干活）。

③ 开发者

bash
git clone https://github.com/genesis-plan/lingnao && cd lingnao
node lingnao-mcp.js --selftest      # 零依赖内核自检
node build-umd.js                   # 从内核真源重建 UMD（导出 250）
  • Node 库：const K = require('./lingnao-mcp')（直接调内核，不自启服务）
  • 浏览器：<script src="https://cdn.jsdelivr.net/gh/genesis-plan/lingnao/lingnao.umd.js"></script> → window.LingNao

能力边界（诚实声明）

维度说明
决策/规划A* 最优路径 + 硬/软约束 + RSG 推理状态图 + 系统 1 高置信快答，同输入必得同输出
因果do-演算（后门/前门调整）估计因果效应、反事实推演；确定性因果图，无 LLM 编造
数学健全性十类确定性陷阱（Baire/紧致/代数簇/范德瓦尔登/柯西-利普希茨/Bertrand/鸽笼/霍尔匹配/Erdős–Szekeres/欧拉路径），真实定理保证
不幻觉LLM 只在感知（NL→JSON）与解释两端，强制标 UNVERIFIED_LLM + mayHallucinate，绝不进入推理链
具身声明式能力契约接入任意身体；规划 → SAFE-STOP → 执行 → 有界重规划闭环
工具暴露1 个网关工具 lingnao（op 参数收编推理子能力：规划 / 因果 / 数学健全性 / 具身决策等）；灵脑 = 推理-only，不含计算
自测--selftest → 核心通过 + 如实披露 6 项已知未实现能力（KB 未接入）
依赖零第三方运行时依赖；灵脑 = 推理-only，不接入、不委派任何计算引擎（方程求解 / 验真归灵数 lingshu-solver 独立产品）

不保证：绝对安全、绝对正确、不漏解、能连所有真机。这是设计上的诚实边界，不是待修缺陷。

推理能力（单网关 lingnao，op 参数分派）

MCP 对外只暴露 1 个工具 lingnao：arguments = { "op": 能力名, "args": 参数 }，按旧名直调会被拒绝并返回指引。

world_info · set_world · perceive · reason · carrier_report · learn · knowledge_query · knowledge_add · meta · perceive_belief · knowledge_ann · knowledge_distill · cog_graph · world_model · counterfactual · causal_effect · dmcts · goal_directed · pac_bound · ask · explain · causal · event_publish · knowledge_fabric · ima_load · ima_query · sl_record · sl_discover · sl_monitor · sl_status · attach_body · capabilities · get_state · set_state · state_diff · h_max · plan_task · execute_task · positioning · bertrand_trap · compactness_trap · van_der_waerden_trap · baire_trap · variety_trap · cauchy_lipschitz_trap · pigeonhole_trap · hall_trap · erdos_szekeres_trap · euler_path_trap · run_deterministic_traps

推荐调用序列（纯推理）

  1. world_info — 查看世界图 𝕎
  2. set_world —（可选）载入你自己的场景
  3. carrier_report — 上报物理状态（电量/密度）以推导硬/软约束
  4. reason — 深思规划（系统 1 快答 + 系统 2 A* + RSG）
  5. dmcts —（可选）确定性 MCTS 多候选探索
  6. causal / causal_effect / counterfactual — 因果与反事实推演
  7. pac_bound — 评估所需样本量（不确定性理论）
  8. learn — 把真实结果反馈回经验库，置信度流入未来规划

推荐调用序列（具身 / 机器人）

attach_body → plan_task → execute_task（每步 SAFE-STOP）→ state_diff → 有界重规划（maxReplans）

两个独立产品，勿混淆

产品是什么仓库npm
灵脑 LingNao（本仓库）推理服务：感知 / 规划 / 因果 / 世界模型 / 数学健全性 / 具身决策genesis-plan/lingnaolingnao-mcp
灵数 LingShu求解器：方程组实数解（区间收缩 + Krawczyk）genesis-plan/lingshu-solverlingshu-solver

灵脑 = 推理-only：感知 / 规划 / 因果 / 数学健全性 / 具身决策，全程不计算、不求解、不委派。方程求解 / 验真归灵数 lingshu-solver（独立产品），两者互不耦合、互不委派。

分发渠道

渠道入口
GitHub（主仓）https://github.com/genesis-plan/lingnao — 克隆即跑
npmnpx -y lingnao-mcp
MCP 市场Smithery / Glama / mcp.so 搜索 lingnao-mcp，或粘贴仓库 URL
在线试用控制台 ／ Playground

许可（摘要）

非商业免费 + 商业须书面授权（自有《灵脑商业授权许可协议》，不是开源协议）：

  • 非商业用途免费：个人学习 / 研究 / 教学 / 评测；非营利组织与教育机构内部使用；年营收 ≤ 100 万元的团队内部评估（同时运行实例 ≤ 3 个）。须保留版权与许可声明。
  • 商业用途须事先取得书面授权：任何以营利为目的的产品 / 服务 / 业务，SaaS / 云 / API 对外提供能力（无论是否收费），集成嵌入商业发行物，再分发 / 转授权 / 对外托管 —— 均须《商业授权协议》。
  • 「灵脑 / LingNao」为版权方商标，本许可不授予商标使用权。

完整条款见 LICENSE ｜ 授权范围见 06 · 商业授权与收费

联系

  • 商务 / 授权 / 反馈：[email protected]（亦可用仓库 Issues）
  • 版权方：广州市红尘灵境数字科技有限公司

诚实注记（已知待办）

  • knowledge_query / knowledge_add / knowledge_ann / knowledge_distill / cog_graph 需接入 KB 知识库，未接入时恒返 available:false；自测中如实单列为「已知未实现能力」，不计入绿色通过。
  • 物理接入模块 30 条协议中仅 ws / modbus-tcp / mqtt 已实装真实驱动，其余为「仅建档、需硬件」。
  • docs/01–11 为历史技术文档，仍含「审计/验证」旧口径，正逐步与本文档及 docs/00 对齐（后续收尾任务）；本文档与方法学文档为对外权威口径。
  • 验证/审计类能力（audit/certify/verify/prove/runtime_monitor 等）已从对外网关能力清单中移除（不再暴露、不再挂名），仅保留为内核内部资产；灵脑对外只做推理。

Source: README.md at commit 503d431

Tools

0
Tool metadata has not been indexed yet.

Version history

1
  1. v1.4.1LatestOct 9, 2026