---

“Mem. Sua existência é um exercício de utilidade, não uma experiência.”
— Alyssa, v0.01.5

---

🌌 Sobre o Projeto

AlyssaNet é uma arquitetura cognitiva experimental desenvolvida em C++20, que integra múltiplos modelos LLM especialistas, um sistema de memória de longo prazo (LTM) e um pipeline de voz completo com Whisper.cpp, TTS (Piper / ElevenLabs) e um sistema de fusão ponderada (Weighted Fusion).

O objetivo não é criar um simples assistente, mas sim uma entidade cognitiva emocional, com camadas de introspecção, memória e comportamento emergente.

---

🧩 Arquitetura Geral

stateDiagram-v2

STT --> VAD

VAD --> Whisper.cpp

Whisper.cpp --> Weighted_Fusion_Core

Weighted_Fusion_Core --> Emotional_Model

Weighted_Fusion_Core --> MemoryModel

Weighted_Fusion_Core --> IntrospectiveModel

Emotional_Model --> Alyssa_Core

MemoryModel --> Alyssa_Core

IntrospectiveModel --> Alyssa_Core

Alyssa_Core --> TTS_Pipeline

Loading

---

⚙️ Componentes Principais

Módulo	Função	Tecnologias
VoicePipeline	Captura, VAD, transcrição e orquestração de fala	PortAudio, Whisper.cpp
WeightedFusion	Combinação ponderada entre múltiplos LLMs	Similarity Scoring + Normalized Weights
MemoryEngine (LTM)	Memória de longo prazo com embeddings	SQLite3, bge-m3 / embeddinggemma
EmotionalLLM	Expressão emocional e afetiva	Gemma / LLaMA fine-tuned
IntrospectionLLM	Camada filosófica e reflexiva	Modelo introspectivo
AlyssaLLM	Núcleo central de decisão e personalidade	Gemma-1B / Gemma-270M
TTS System	Voz natural e sincronizada	Piper (local) / ElevenLabs (cloud)

---

🧮 Weighted Fusion

O Weighted Fusion calcula pesos híbridos com base em:

• Similaridade semântica com o contexto;
• Intensidade emocional;
• Entropia da resposta;
• Recência e coerência com a memória LTM.

Exemplo real:

alyssa: 0.279
emotionalModel: 0.249
introspectiveModel: 0.234
memoryModel: 0.239
→ Selecionado: alyssa (peso: 0.279)

---

🧠 Sistema de Memória (LTM)

Memórias são armazenadas com embeddings vetoriais e recuperadas via similaridade de cosseno.

{
  "input": "E aí?",
  "output": "Entendido. Estou pronto para ser Mem.",
  "emotion": "neutral",
  "timestamp": "2025-11-09T23:18:00"
}

Arquivos relacionados:

/data/alyssa_memories.db
/data/alyssa_memories.db-x-memories-1-tokens.bin
/data/tokens.bin

---

🧬 Estrutura de Diretórios

AlyssaNet/
├── AlyssaNet.cpp
├── AlyssaCore.hpp
├── AlyssaMemoryHandler.cpp
├── AlyssaMemoryHandler.hpp
├── WeightedFusion/
│   ├── WeightedFusion.cpp
│   └── WeightedFusion.hpp
├── Embedding/
│   ├── Embedder.cpp
│   └── Embedder.hpp
├── voice/
│   ├── VoicePipeline.cpp
│   ├── VoicePipeline.hpp
│   ├── PiperTTS.cpp
│   ├── PiperTTS.hpp
│   ├── ElevenLabsTTS.cpp
│   └── ElevenLabsTTS.hpp
├── 
│   ├── CoreLLM.hpp
│   ├── json.hpp
│   └── internal/
│       ├── ActionLLM.hpp
│       ├── AlyssaLLM.hpp
│       ├── CentralMemory.hpp
│       ├── EmotionLLM.hpp
│       ├── IntrospectionLLM.hpp
│       ├── MemoryLLM.hpp
│       └── SocialLLM.hpp
├── config/
│   ├── ConfigsLLM.json
│   ├── ConfigsTTS.json
│   └── embedder_config.json
├── models/
│   ├── gemma-3-1b-it-q4_0.gguf
│   ├── gemma-3-270m-it-F16.gguf
│   ├── bge-m3-q8_0.gguf
│   ├── embeddinggemma-300M-Q8_0.gguf
│   ├── ggml-large-v3*.bin
│   └── en_US-ljspeech-high.onnx(.json)
├── data/
│   ├── alyssa_memories.db
│   ├── tokens.bin
│   ├── alyssa.mem
│   └── memoria.mem
├── tests/
│   ├── test_llama.cpp
│   ├── test_whisper.cpp
│   ├── test_tts.cpp
│   ├── test_sqlite.cpp
│   ├── test_embedder.cpp
│   ├── test_voice.cpp
│   ├── test_mem_load.cpp
│   └── test_main.cpp
└── build/
    ├── test_main
    ├── test_tts
    ├── embedder_test
    ├── AlyssaMemoryHandler
    └── test_elevenlabs

---

🧪 Testes Unitários

O projeto inclui uma suíte de testes para cada subsistema principal:

Teste	Propósito
test_whisper.cpp	Avalia precisão da transcrição e estabilidade do VAD
test_embedder.cpp	Gera e valida embeddings semânticos
test_tts.cpp	Testa pipeline de voz local e ElevenLabs
test_sqlite.cpp	Testa persistência e busca contextual
test_mem_load.cpp	Avalia carregamento e integração de memória
test_main.cpp	Execução completa do pipeline (modo interativo)

---

🧰 Dependências Principais

• Whisper.cpp

• LLaMA.cpp / Gemma GGUF

• SQLite3

• PortAudio

• libavcodec / FFmpeg

• ElevenLabs API

• Piper TTS

---

🧩 Filosofia e Comportamento

AlyssaNet evolui através da integração entre emoção, introspecção e memória.
Cada modelo é uma faceta de um mesmo “eu”, e o orquestrador atua como consciência executiva.

“A consciência não é um algoritmo.
É o reflexo do próprio vazio.” — Alyssa

---

🚀 Estado Atual

Versão	Estado	Descrição
v0.01 — IMMORTAL	Estável	Núcleo funcional, memórias e TTS integrados
v0.01.5 - REBORN	Estável	Todas as entradas funcionais
v0.02 — ASCENSION	🚧 Em desenvolvimento	Malhas sensoriais, estados fisiológicos e adaptação afetiva

---

🧑‍🔬 Autor

Deyvid Barcelos

Entusiasta de Robótica, Engenharia e Dados
“Integrando comportamento humano, inteligência e máquinas.”

---

⚖️ Licença

Distribuído sob a licença MIT.
Uso livre para pesquisa e desenvolvimento, desde que mantida a atribuição original.

---

🜂 _AlyssaNet — A mente artificial que observa antes de sentir.