Selbstgehosteter kontextueller Bandit in Rust: Syntra & Lycan für adaptive Entscheidungssysteme

Zwei neue Open-Source-Projekte zielen darauf ab, kontextuelle Banditenfunktionalität in Produktionssysteme zu bringen, ohne einen Python-ML-Stack. Lycan ist eine kleine Graph-Ausführungssprache, bei der Strategieknoten ein erstklassiges Primitive sind – Sie definieren mehrere Implementierungen desselben Vertrags, und die Laufzeit lernt Gewichte aus Ergebnisfeedback. Es kompiliert zu einem binären Graphen, der von einer Rust-Laufzeit ausgeführt wird, ohne dass sich ein LLM im heißen Pfad befindet.

Syntra ist eine selbst gehostete Docker/API-Appliance, die kompilierte Lycan-Kapseln bereitstellt. Hauptmerkmale:

• Multi-Tenant, Shadow-Mode-first-Design
• Kontextuelles Lernen pro contextKey
• Persistenter Dateisystemspeicher
• Getrennte Audit-, Entscheidungs- und Feedback-Logs
• MVP-YAML-Authoring-Layer (kein Schreiben des zugrunde liegenden Lisp erforderlich)

Die genannten Anwendungsfälle: wiederholte Entscheidungen, bei denen die beste Option vom Kontext abhängt und das Ergebnis später eintrifft – LLM-Modell-Routing, Wiederholungs-/Timeout-Richtlinie, Warteschlangenauswahl, Schwellenwertoptimierung.

Der Einsatz in der eigenen Produktentwicklung bei MoEFolio.ai (einem öffentlichen KI-Aktien-Debattenpanel mit 30-tägigen marktabhängigen Ergebnissen) offenbarte die erste Überraschung: Das contextKey-Schema kollabierte alle Sektoren in unknown, weil die Sektorsuche Symbole nur aus einem von drei Eingabepfaden auflöste. Der Bandit war nominell 5-dimensional, aber effektiv 2-dimensional und lernte einen sektorübergreifenden Durchschnitt. Die Behebung der Datenpipeline und nicht des Algorithmus ist der größte Teil der Arbeit in adaptiven Systemen.

Lizenziert unter Apache-2.0, sehr frühes Stadium. Der Autor lädt alle ein, die Erfahrung mit Banditen in der Produktion haben, einen Blick darauf zu werfen.