ruvnet/ruv-FANN

解決的問題

ruv-FANN 解決了對輕量級、CPU 原生人工智慧的需求，無需昂貴的 GPU 硬體即可部署。它透過提供「暫時智能」來解決資源密集型 AI 的問題——即為特定任務建立的小型、專用神經網路，在任務完成後立即銷毀，以節省記憶體與運算資源。

工作原理

此框架由三個整合層組成：

1. ruv-FANN Core：Fast Artificial Neural Network (FANN) 庫的高性能 Rust 重寫，提供基礎神經網路引擎。
2. Neuro-Divergent：包含 27 種以上先進模型（包括 LSTMs 和 Transformers）的預測層，針對速度與記憶體效率進行優化。
3. ruv-swarm：管理這些輕量級網路「蜂群」的編排層，使用 WebAssembly (WASM) 在瀏覽器、伺服器或嵌入式裝置上執行智慧。與 Model Context Protocol (MCP) 集成，可用於 Claude Code 等工具。

適用對象

• 希望在不依賴 CUDA 或 GPU 基礎設施的情況下將神經網路整合到應用中的 開發者。
• 尋找高效率神經預測且記憶體開銷低於 Python 替代方案的 資料科學家。
• 需要在 WASM 環境或 RISC-V 硬體上執行 AI 模型的 邊緣運算工程師。

核心亮點

• 高效率：在 SWE-Bench 上達成 84.8% 的解決率，決策速度低於 100ms。
• 資源高效：CPU 原生設計，相比基線記憶體使用量減少 29%，令牌數減少 32.3%。
• 廣泛相容：支援 27+ 種神經架構與 5 種蜂群拓撲（網格、環狀、階層、星型、自訂）。
• 記憶體安全：完全以 Rust 建構，無任何 unsafe 代碼。