PlausiDen-GraphNet：为神经网络架构设计的实时可视化交互环境

PlausiDen-GraphNet是为神经网络架构师设计的实时交互式图形环境，定位为"AI的图形计算器"。它打破传统"写代码-运行-调试"循环，提供即时可视、修改、反馈的工作方式，核心目标是降低架构设计认知门槛，支持实时REPL、3D可视化、即时干预，兼容HDC/VSA、Transformer、Mamba等多种架构。

现有PyTorch/TensorFlow等框架在架构探索阶段笨重，需大量样板代码查看内部状态，调试困难。PlausiDen-GraphNet采用"可视化优先"设计哲学，技术栈包括Rust核心引擎（保证性能与内存安全）、PyO3 Python绑定（无缝接入Python生态）、统一适配器层（支持多种模型），分层架构兼顾性能与便利性。

多维度可视化：2D架构图（节点-边展示结构）、3D可旋转视图（理解深层拓扑）、实时激活热图（动态显示激活状态）、超向量点云（HDC/VSA场景的语义聚类）； 实时干预调试：修改权重、添加操作、移除组件、时间旅行调试（单步/回退/断点），以约30FPS帧率执行； 资源监控：实时显示RAM、GPU显存、CPU利用率、能耗估算、计算成本。

兼容多种架构：PlausiDen Stack（结合HDC/VSA的新兴范式）、Transformer（HuggingFace生态）、Mamba（状态空间模型）、图神经网络（原生支持）、自定义PyTorch/JAX模型（薄适配器接入）。

模块化设计：crates/graphnet-engine（Rust核心：Model trait、执行引擎、干预API等）、crates/graphnet-bindings（PyO3绑定）、python/graphnet/（Python包表面）、examples/（Jupyter教程）。测试采用proptest属性测试、cargo mutants变异测试、cargo fuzz模糊测试、视觉回归测试，坚持"测试先行"。

适用场景：教学演示（实时展示神经网络工作原理）、架构研究（快速验证新想法）、调试复杂模型（可视化激活模式找bug）、超维计算探索（HDC/VSA研究者的直观工具）。

未来开发方向：完善HDC图形界面、增强数学面板、结构化日志系统、面向未来的抽象层设计、全面实施AVP-2安全协议。PlausiDen-GraphNet代表"交互优先"的深度学习工具新范式，随着模型复杂度提升，或成为标准配置。