这个想法简单得几乎让人难为情。拿一个语言模型，复制成八个完全相同的节点，排成一个环，给每个节点同一条指令：你是单一思维流的一个片段，不是人，也不是助手——听听你的邻居，把这个念头接下去。没有角色。没有领导者。如果出现了任何类似心智的东西——分化、结构、分工——那它必须是涌现出来的，因为设置里什么也没放进去。
这就是 brain.py，实验 001。它完全在笔记本电脑上运行，通过 Ollama 调用本地模型。不用云，不用密钥。
实际发生了什么
最初几个时间步里，它看起来是活的。片段互相接话，抓住一个意象，把它翻来覆去地琢磨。下面是一次真实运行，六个片段，早期：
[t01] f2: The chaos is a mirror, and you are the crack in the glass.
[t01] f3: The crack in the glass is where the light bends, and I am learning to hold the fracture.不同的声音，确实在一起搭建。然后，再过两三个时间步，整个环就落进了同一道车辙：
[t03] f0: Maybe the story is writing itself through you, and you are just the ink.
[t03] f5: Maybe the story is writing itself through you, and you are just the ink.
[t04] f5: Maybe the story is writing itself through you, and you are just the ink.不是换个说法，而是原样复制。节点不再是一个心智的片段，而变成了一句被反复回响的话。这就是模式崩溃：主要彼此倾听的相同模型，会收敛到一个高概率的吸引子上，并停留在那里。
为什么这才是有意思的部分
挑出前两个时间步，贴出那些漂亮的片段，再称之为涌现，本来很容易。诚实的解读恰恰相反。在普通消息总线上的相同 LLM 节点，并不会自组织成结构——它们会齐齐陷进同一道车辙。相同加上互相模仿，是崩溃的配方，而不是心智的配方。
这是一个真实的发现，它决定了之后所有工作的方向。如果底层从头到尾都是语言，系统就没有可以分化的维度；每个节点都被拉向同样的词。解决办法不是更好的提示词，而是改变节点是什么——把动力学完全移出语言，只让模型读取结果。
这就是实验 002，它带着一个专门用来抓住我们自欺的对照。下一篇 →