NeuroBrix построен на трёх неизменных проектных инвариантах, которые гарантируют предсказуемое, отлаживаемое и универсальное поведение.
Никаких жёстко заданных значений нигде в среде выполнения.
Каждое значение берётся из файлов конфигурации:
topology.json — поток выполнения и связи между компонентамиcomponents/<name>/runtime.json — конфигурация среды выполнения компонентаcomponents/<name>/graph.json — графы тензорных вычисленийdefaults.json — настраиваемые пользователем параметры (шаги, guidance, temperature)hardware/<profile>.yml — конфигурации GPUВстроенные константы вроде sample_size = 128 запрещены. Поэтому один и тот же код среды выполнения обслуживает генерацию изображений, LLM, аудио и видео без какой-либо логики под конкретную модель.
Отсутствие данных — явный сбой, а не молчаливые значения по умолчанию.
Если обязательное значение конфигурации отсутствует, NeuroBrix немедленно завершается с понятным сообщением об ошибке, где сказано, чего именно не хватает и где это должно быть определено.
«Явные ошибки позволяют быстро отлаживать. Значение по умолчанию может скрывать ошибку неделями.»
Так задумано: молчаливые значения по умолчанию — источник трудноуловимых проблем в продакшене. Модель, которая «почти работает», хуже модели, которая явно отказывает с понятными сообщениями об ошибках.
Среда выполнения знает тензоры, а не предметные области.
В среде выполнения NeuroBrix нет понятий «изображение», «текст», «аудио» или какой-либо другой области. Она оперирует абстрактными тензорами:
Tensor [B, C, H, W]Tensor [B, SeqLen]floatВсё предметно-специфичное поведение закодировано в топологии и графах компонентов контейнера .nbx. Именно это делает NeuroBrix по-настоящему универсальным — одна и та же среда выполнения работает с любой модальностью.
Эти три принципа работают вместе:
Итог: универсальное выполнение для разных семейств моделей без изменений, точные сообщения об ошибках, предсказуемое поведение без скрытых путей в коде и ни одного изменения среды выполнения при добавлении новых моделей.
Далее: Хаб моделей