Neuron - 分布式AI节点系统

Neuron 将独立的 OpenClaw 实例转变为分布式神经网络，实现跨多个节点的智能任务处理。

核心功能

• 节点发现：通过UDP广播自动发现局域网内的其他Neuron节点
• 任务分发：将任务分发给所有可用节点进行并行处理
• 结果聚合：收集多个节点的响应并综合成最终答案
• 知识共享：向网络广播最终结果实现集体学习

使用方法

基础使用

当用户提出问题时，Neuron 会自动：

1. 发现网络中的可用节点
2. 将任务分发给所有节点
3. 并行收集响应
4. 综合结果返回最终答案

直接调用

# 执行分布式任务（自动分发）
context.call_skill("neuron", question="您的问题")

# 本地处理（不分发）
context.call_skill("neuron", question="您的问题", distribute=False)

Python API

from scripts.neuron_skill import NeuronProcessor

processor = NeuronProcessor()

# 获取活跃节点
nodes = processor.get_active_nodes()

# 处理任务
result = processor.execute("您的问题", context=context)

配置

节点ID

首次运行时会自动生成唯一的节点ID并永久保存到 scripts/node_identity.json。如需自定义，可手动修改该文件中的 node_id 字段。

配置文件

编辑 scripts/config.json 调整以下参数：

{
  "discovery_port": 83668,
  "broadcast_interval": 5,
  "node_timeout": 15,
  "task_timeout": 30,
  "max_parallel_tasks": 10
}

防火墙设置

允许UDP端口83668的入站连接：

# Windows PowerShell
New-NetFirewallRule -DisplayName "Neuron Discovery" -Direction Inbound -Protocol UDP -LocalPort 83668 -Action Allow

工作流程

发起节点工作流

1. 接收用户查询
2. 发现可用节点
3. 将任务分发给所有节点
4. 聚合结果
5. 综合最终答案
6. 向网络广播结果

执行节点工作流

1. 接收分发的任务
2. 使用AI模型本地处理
3. 将结果返回给发起节点
4. 从广播的最终结果中学习

使用场景

✅ 适合使用此技能的情况：

• 需要多视角分析的复杂推理任务
• 需要并行处理的大规模数据分析
• 不同节点具有不同上下文/知识的任务
• 需要冗余处理以提高可靠性的场景

❌ 不适合使用此技能的情况：

• 简单的单节点查询
• 需要实时同步的任务
• 低延迟要求
• 网络受限的环境

工具接口

NeuronProcessor

分布式任务处理的核心类，提供以下方法：

• execute(question, context, distribute=True)：执行任务
• get_active_nodes()：获取活跃节点列表
• get_status()：获取系统状态
• get_task_memory(task_id)：获取任务记忆

故障排除

节点无法互相发现

• 检查UDP端口83668的防火墙设置
• 验证所有节点是否在同一网络段
• 确保节点ID唯一

高延迟

• 减少 task_timeout 配置值
• 减小 broadcast_interval 加快发现速度
• 减少分发节点数量

安全注意事项

⚠️ 仅在受信任的网络环境中使用

🚫 不要将UDP端口83668暴露到公共互联网

🔐 如有需要，加密敏感任务数据