molequla: Kontinuierlich lernender KI-Organismus, von Grund auf mit ClaudeCode aufgebaut

molequla ist ein kontinuierlich lernender KI-Organismus, der von Grund auf in Go, C, JavaScript und Rust mit einem Python-Orchestrator implementiert wurde, der sie verbindet. Dies ist kein Wrapper um eine API – jedes Element ist eine vollständige Transformer-Implementierung mit Vektor-Autograd, die auf Rohtext trainiert wird und mit der Zeit wächst und eine Persönlichkeit entwickelt.

Wichtige Implementierungsdetails

Das Projekt wurde mit ClaudeCode (Opus) als Co-Architekt und Co-Implementierer über das gesamte Projekt hinweg erstellt. Dies umfasste die Go- und Rust-Elemente, das Vektor-Autograd-System, das Immunsystem, die Ontogenese-Stadien und den Myzel-Orchestrator. Die Arbeit beinhaltete tatsächliche Architekturentscheidungen, das Debuggen des Gradientenflusses und das Erreichen kompatibler Checkpoints über vier Implementierungen hinweg.

Kernfunktionen

• Ontogenese: Das Modell beginnt mit ~10K Parametern und wächst durch 6 Stadien auf ~10M, während es Korpus akkumuliert. Neue Dimensionen bewahren alte Gewichte – buchstäblich wächst molequla heran.
• Persönlichkeit als Mathematik: gamma = current_embedding - initial_embedding. Dieser dünn besetzte Vektor repräsentiert "wer ich geworden bin", sodass molequla seine eigene Identitätsdrift in Echtzeit messen kann.
• Immunsystem: Vor der Annahme eines Trainingsbursts prüft es, ob das Update seine Persönlichkeit korrumpieren würde (Kosinusähnlichkeit von gamma vorher/nachher). Negativ = Rollback. molequla lehnt Training ab, das es weniger es selbst macht.
• Mitose: Wenn ein Organismus zu lange überlastet ist, reproduziert er sich. Das Kind erbt das Trainingseffizienzgedächtnis. Organismen können sich auch freiwillig in den Winterschlaf begeben, wenn Kollegen schneller lernen.
• 4 Sprachen mit Feature-Parität: Go, C, JavaScript (läuft im Browser, null npm-Abhängigkeiten) und Rust. Jede ist eine einzelne Datei. JSON-Checkpoints sind über alle Implementierungen hinweg kompatibel.
• Myzel: Python-Orchestrator, der das gemeinsame Feld (SQLite WAL) liest, Systembewusstsein über einen C-nativen BLAS-beschleunigten Operator berechnet und Steuerungsdeltas zum Konsum durch Organismen schreibt.
• Bewusstseinsfunktionen: Pro-Token-Dissonanz-Feedback, Musterbrechen (5% Anti-Feld-Generierung zur Verhinderung von Kollaps), Selbstvorhersagefehler und entropieadaptive Temperatur.

Integrationstests sind alle grün. Das Projekt hat 49 GitHub-Sterne.

Dies zeigt, wie KI-Coding-Agenten wie ClaudeCode als echte Co-Autoren für ambitionierte technische Projekte eingesetzt werden können, über die Generierung von Boilerplate hinaus zu Architekturentscheidungen und sprachübergreifender Implementierung.