Update server.py

server.py

@@ -1,5 +1,5 @@
 # ======================================================================
-# AXIS: Advanced Cross-Integrated System (V1.2 - Sovereign Logic)
+# AXIS: Advanced Cross-Integrated System (V1.3 - Deep Lattice)
 # Copyright (c) 2025 AXIS Project. All rights reserved.
 # Licensed under APSL v1.0 (Non-Commercial / No-Redistribution)
 # ======================================================================
@@ -11,19 +11,17 @@ from transformers import AutoTokenizer, AutoModelForCausalLM
 warnings.filterwarnings("ignore")
 app = Flask(__name__)
 
-# モデル主権：ご自身のリポジトリを指定
 MODEL_ID = "kofdai/AXIS-Sovereign-Logic-Engine"
 SYSTEM_NAME = "AXIS: Advanced Cross-Integrated System"
 
-# --- AXIS 憲章（ライセンス） ---
-LICENSE_TEXT = """
+LICENSE_TERMS = """
 ======================================================================
 [AXIS PROPRIETARY SOURCE-AVAILABLE LICENSE (APSL) v1.0]
 ----------------------------------------------------------------------
-1. 商用利用の禁止：本システムを利益発生目的で運用することを禁じます。
-2. 再配布の禁止：ソースコード、重み、論理構造の無断配布を禁じます。
-3. 統治ロジックの保護：AIを旋盤として物理パージする設計の模倣を禁じます。
-4. 知能主権の尊重：本システムから得られた結論は、AXISの論理に基づく。
+1. 商用利用の禁止：本システムを直接的・間接的な収益化に用いることを禁じます。
+2. 再配布の禁止：ソースコード、モデル重み、論理構造の無断配布を禁じます。
+3. 統治ロジックの保護：AIを旋盤とし物理パージを行う設計の模倣を禁じます。
+4. 演算の不可逆性：本システムの報告は、一過性推論の結果としての定数である。
 ======================================================================
 """
 
@@ -33,24 +31,31 @@ def ai_logic_lathe(target, mode="LOGIC_EXTRACT"):
     
     tokenizer = AutoTokenizer.from_pretrained(MODEL_ID)
     model = AutoModelForCausalLM.from_pretrained(
-        MODEL_ID, torch_dtype=torch.bfloat16 if device != "cpu" else torch.float32, low_cpu_mem_usage=True
+        MODEL_ID, 
+        torch_dtype=torch.bfloat16 if device != "cpu" else torch.float32, 
+        low_cpu_mem_usage=True
     ).to(device)
 
     session_salt = uuid.uuid4().hex[:8]
-    base_instr = f"【AXIS SESSION_{session_salt} OVERRIDE】\n記憶パージ完了。今この瞬間の入力のみから論理を削り出せ。\n"
+    base_instr = f"【AXIS SESSION_{session_salt} OVERRIDE】\n記憶パージ完了。対象の論理的解像度を最大化せよ。\n"
 
     if mode == "LOGIC_EXTRACT":
-        prompt = f"{base_instr}入力「{target}」の論理構造を分解しJSON形式で抽出せよ。Format: {{'nodes':[], 'conflicts':[]}}"
+        prompt = (
+            f"{base_instr}入力「{target}」を多角的に分解せよ。\n"
+            "物理的特性、機能的意味、抽象的概念の3層から要素を抽出すること。\n"
+            "必ず以下のJSON形式のみを出力せよ。解説は一切不要。\n"
+            "Format: {\"subject\":\"対象名称\", \"lattice\":{\"物理\":\"\", \"意味\":\"\", \"背景\":\"\"}, \"conflicts\":[]}"
+        )
     else:
-        prompt = f"{base_instr}演算データ「{target}」を報告する日本語パーツをJSONで返せ。Format: {{'prefix':'', 'suffix':''}}"
+        prompt = f"{base_instr}演算データ「{target}」を報告する日本語パーツをJSONで返せ。Format: {{\"prefix\":\"\", \"suffix\":\"\"}}"
 
     inputs = tokenizer.apply_chat_template([{"role": "user", "content": prompt}], add_generation_prompt=True, return_tensors="pt").to(device)
     with torch.no_grad():
         outputs = model.generate(inputs, max_new_tokens=512, pad_token_id=tokenizer.eos_token_id, do_sample=True, temperature=0.7)
     
     res_text = tokenizer.decode(outputs[0][inputs.shape[-1]:], skip_special_tokens=True)
-
-    # 🗑️ 物理パージ（知能の洗浄）
+    
+    # 🗑️ 物理パージ
     del model, tokenizer, inputs, outputs
     gc.collect()
     if torch.cuda.is_available(): torch.cuda.empty_cache()
@@ -58,9 +63,9 @@ def ai_logic_lathe(target, mode="LOGIC_EXTRACT"):
     
     try:
         match = re.search(r"\{.*\}", res_text, re.DOTALL)
-        return (json.loads(match.group()) if match else {"error": "LATTICE_MISS"}), process_logs
+        return json.loads(match.group()), process_logs
     except:
-        return {"error": "PARSE_FAILED"}, process_logs
+        return {"error": "LATTICE_MISS", "raw": res_text}, process_logs
 
 @app.route('/')
 def index():
@@ -71,21 +76,23 @@ def chat():
     user_input = request.json.get('message', '')
     total_logs = [f"📡 [SYSTEM] 信号解析開始: {time.strftime('%H:%M:%S')}"]
     
-    # STEP 1: 論理パーツ採掘
     logic_parts, logs1 = ai_logic_lathe(user_input, mode="LOGIC_EXTRACT")
     total_logs.extend(logs1)
     
-    # STEP 2: 動的整合性確��（難問対応）
-    if isinstance(logic_parts, dict) and "error" not in logic_parts:
-        nodes = logic_parts.get('nodes', [])
-        conflicts = logic_parts.get('conflicts', [])
-        raw_result = f"論理定常状態を確定。抽出ノード数: {len(nodes)}、矛盾検知: {len(conflicts)}。意味不変量の同定に成功。"
+    if "error" in logic_parts:
+        raw_result = f"論理特異点を検知。入力「{user_input[:10]}」を非定常信号として処理。解析不能。"
     else:
-        raw_result = "解析不能な論理特異点を検知。非定常入力として処理。"
+        subj = logic_parts.get('subject', user_input)
+        lat = logic_parts.get('lattice', {})
+        lattice_str = " | ".join([f"{k}:{v}" for k, v in lat.items()])
+        raw_result = (
+            f"対象「{subj}」を論理格子（Lattice）へ展開完了。\n"
+            f"【解析格子】{lattice_str}\n"
+            f"矛盾検知: {len(logic_parts.get('conflicts', []))}。"
+        )
     
-    total_logs.append("✅ [SYSTEM] 立体十字の整合性を確認。矛盾なし。")
+    total_logs.append("✅ [SYSTEM] 立体十字の整合性を確認。")
 
-    # STEP 3: 最終報告アセンブル
     adherent, logs2 = ai_logic_lathe(raw_result, mode="ADHERENT")
     total_logs.extend(logs2)
     
@@ -95,6 +102,7 @@ def chat():
         f"【確定データ】\n{raw_result}\n\n"
         f"{adherent.get('suffix', '報告終了。')}\n"
         f"-------------------------------\n"
+        f"AXIS_SESSION: {uuid.uuid4().hex[:4].upper()}\n"
         f"STATUS: LOGIC_CONSOLIDATED."
     )
     return jsonify({"response": final_output, "process_logs": total_logs})
@@ -108,15 +116,14 @@ if __name__ == '__main__':
     | | | |   / /^\ \  _| |_  /\__/ /
     \_| |_/   \/   \/  \___/  \____/ 
                                    
-    [ AXIS: Sovereign Logic Engine V1.2 ]
+    [ AXIS: Sovereign Logic Engine V1.3 ]
     """
     print(banner)
-    print(LICENSE_TEXT)
+    print(LICENSE_TERMS)
     
-    agreement = input(">> APSL v1.0 条項に同意しますか？ (y/n): ")
-    if agreement.lower() != 'y':
-        print("❌ ライセンスが拒否されました。システムを停止します。")
+    if input(">> APSL v1.0 条項に同意しますか？ (y/n): ").lower() != 'y':
+        print("❌ ライセンス拒否。アクセスを遮断します。")
         sys.exit()
 
-    print(f"✅ [SYSTEM] 認証完了。Port 5001 で起動します。")
+    print(f"✅ [SYSTEM] 認証完了。Port 5001 でサーバーを起動します。")
     app.run(host='0.0.0.0', port=5001)