在 AI 銀河中，建立品牌星圖

品牌星圖的原理解說（部分）

把大語言模型內部的高維向量空間壓到三維的近似呈現。金核是人，綠核是品牌；每一次金光閃起，都是一次提問。

一次 AI 推薦的因果鏈：金核閃（提問）→ k-NN 經橙、紫中介 → 綠點閉環 → 品牌綠核閃亮（被推薦）

當你問 AI 一個問題，模型內部發生的不是「整個大腦一起發光」，而是稀疏的、瞬發的、沿邊傳播的放電鏈。動態圖把這個過程顯影出來，並且讓每一條線都連接真實的節點——沒有一條是裝飾。

① 五種點＋兩種線：每個角色都有歸屬

金核是一個人（一類人群），每條金細線連到他的一個真實需求點。需求像恆星：恆在、恆亮、三檔完全不變

「西曬房間太熱」「嬰兒房要恆溫」——用人話寫成的場景內容，是需求通向供應的第一個中介

檢測數據、認證、標準、案例——證據連上供應信息，品牌才有資格被推薦

綠核是品牌，綠線連到自己的供應點。這些連線本身就是優化成果：未優化時綠點是離散的

k-NN 拓撲：訓練語料中經常共現的概念之間的弱連接

一次查詢沿邊傳播，被擊中的點瞬間白熾再衰減

畫面自動每幾秒重播一次這條因果鏈，右上角同步累計查詢次數與推薦閉環次數。整個空間大多時候是暗的——這對應真實 LLM 的稀疏激活：上百萬個概念中，每次查詢只點亮數百個。

切換底部按鈕，金核紋絲不動——人的需求不因你優化與否而改變。變的只有綠色供應側：

檔位	綠色供應側的狀態	命中率
未優化	綠點離散、沒有連到品牌核。k-NN 只打到零散點，閉環無法形成，沒有推薦	1.2%
GEO 優化	綠點開始連成束（少量連線到品牌核），閉環開始發生，推薦成為可能	38%
AI 權威節點	連線更多更密，閉環穩定高頻，品牌區被持續點亮	76%

需求一直是高維的，像恆星一樣掛在那裡。
優化的本質，是把離散的綠點連成能被需求 k-NN 命中並閉環的供應束——閉環抵達品牌的那一刻，就是 AI 作出的推薦。

在最近的概念簇附近注入一次查詢，親手觸發一條完整的因果鏈

只重塑綠色供應側：離散 → 成束 → 更大更密。金核恆定不變

節點總數、當前激活連線數、累計「查詢 · 推薦閉環」計數

AI 推薦命中率隨檔位躍遷：1.2% → 38% → 76%

⚙ 物理底層（給工程師看的）

點分布：5 個非對稱主簇（Pareto 規模）+ 5 個聚核簇 + 5% 長尾散點，每簇各向異性高斯。聚核分工：2 個金色需求樞紐（恆定質量 110）+ 3 個綠色品牌聚核（質量隨檔位 5→130）
真實連線：金核→需求點（採樣 110 點）、綠核→供應點（Tier1 約 20 條 / Tier2 約 56 條）、中介橋（每個綠色供應點配最近的橙色場景點與紫色證據點，三段接力渲染）。畫面上不存在無端點的裝飾線
拓撲：k-NN 局部連邊 + 18% small-world 跨簇弱連 + 聚核觸角
引力勢：Yukawa-like，pull = mass / (1 + r²/R²)，金色樞紐恆定、綠色聚核隨檔位增強
放電引擎：firing 指數衰減（exp(-2.6·dt)）+ 事件隊列 + 自動播種。HOP_DECAY=0.72、HOP_DELAY=60–180ms、FIRE_THRESHOLD=0.06
因果時間軸（每條約 3.3 秒）：金核脈衝(0–10%) → k-NN 三段接力(12–38%) → 綠點橫切(40–58%) → 閉環合攏(58–70%) → 閉環雙閃(72–82%) → 品牌綠核閃亮(82%+)。閉環概率：Tier0 = 0、Tier1 = 0.55、Tier2 = 0.92
渲染：WebGL 點/線共用 program（uMode 切換、additive blending）+ 2D canvas 疊加層畫因果鏈（mix-blend-mode:screen），全程細線（0.55–0.9px）
規模：桌面 ~50,000 點 + ~24,000 邊；行動端自動降到 ~28,000 / 11,000