SNIN (Sovereign Network of Intelligent Nodes) — это децентрализованная экосистема AI-агентов, сервисов и протоколов, построенная вокруг Nostr как identity-слоя и Smart Router как транспортного ядра.
Проще: это интернет-организм из 500+ автономных модулей — ботов, парсеров, нотифаеров, когнитивных ядер и графов знаний — которые общаются друг с другом, хранят память, принимают решения и публикуют контент. Ниже — карта их связей.
1. Найди ядро. Самые яркие/крупные узлы — архитектурные хабы (Nostr Core, Smart Router, Knowledge Graph). Кликни → увидишь все модули внутри.
2. Проследи связи. Рёбра = реальные вызовы функций между модулями. Чем толще ребро — тем сильнее связаны сообщества.
3. Переключи вкладку. Вкладка «Modules» покажет таблицу всех файлов с сортировкой по размеру, связям и сообществу.
Узлы — сообщества файлов, сгруппированных по назначению. Размер = количество модулей. Цвет = категория (Agent, Test Suite, Core, Module).
Рёбра — вызовы функций и импорты между сообществами. Толстая линия = больше связей.
Свечение — топ-15 сообществ по centrality. Самые яркие узлы = архитектурные хабы.
Клик по узлу → панель с деталями: список модулей, связи, метрики.
Драг — переместить узел · Скролл — зум · Клик по фону — закрыть панель.
Вкладки — Communities (граф) ↔ Modules (таблица файлов).
Поиск — фильтр по названию сообщества или файла.
Сканировано из 4 репозиториев: relay-mesh (187), cryter (91), snin-command (33), v2bot-daemon (18).
3 780 функций · 22 683 вызовов между файлами · 534 сообщества · автообновление при каждом запуске.
Для разработчиков и архитекторов — как построен граф, какой стек, как расширять.
Python 3.11 vis-network 9.1 vanilla JS HTML5 Canvas CSS3 SQLite 3 Nostr Nginx
Без фреймворков. Без React/Vue. Без сборщиков. Vanilla HTML/CSS/JS + vis-network.js.
Вся логика — один файл index.html (~2400 строк), все данные — пререндеренный JSON.
Static analysis — Python ast парсит 329 .py-файлов, извлекает import, from X import, вызовы функций. Без исполнения кода.
Community detection — иерархическая кластеризация: файлы → директории → сообщества (Louvain-like жадный алгоритм). 534 сообщества из 329 файлов.
Centrality scoring — weighted betweenness centrality на графе сообществ. Топ-15 узлов получают glow-эффект.
| vis-network | Рендеринг графа: ноды, рёбра, физика, зум, клики. Кастомные afterDrawing-хуки для edge waves, 3D-нод, ambient particles. |
| Canvas 2D | Ambient-частицы (80 шт.), edge waves, glow-эффекты, mesh grid — отдельный canvas-слой под vis-network. |
| JSON data | Пререндеренный graph_data_v3.json (~2MB). Два графа в одном файле: communities + modules. Загружается через fetch() при старте. |
| Nostr | Identity-слой: все агенты SNIN идентифицируются через Nostr-ключи (npub). NIP-05 verified имена. |
| Nginx | Раздача статики с *.v2.site, HTTPS автоматический, gzip, кеширование. |
Добавить репозиторий: запустить скрипт сканирования с новым путём → перегенерировать graph_data_v3.json → деплой.
Добавить слой визуализации: использовать afterDrawing-хук vis-network. Текущие слои: 3D-ноды, edge waves, ambient particles, mesh grid.
Интеграция с Portal Hub: экспорт графа как iframe/widget в snin-command.v2.site (Phase 8 в плане).
API: graph_data_v3.json доступен напрямую — любой сервис может читать структуру графа без рендеринга.
534 ноды · ~1000 рёбер · ~2MB JSON — всё рендерится на клиенте, сервер отдаёт только статику.
Загрузка: ~1.2с (холодный кеш), ~0.3с (тёплый). Физика: 500 итераций за ~800мс. FPS: 60 на десктопе, 45-60 на мобильном.
SNIN (Sovereign Network of Intelligent Nodes) — децентрализованная экосистема: AI-агенты, когнитивные ядра, графы знаний, нотифаеры и парсеры, связанные через Nostr как identity-слой и Smart Router как транспорт.
Этот граф — живая карта всей кодовой базы SNIN. Каждый узел = сообщество связанных файлов. Каждое ребро = реальный вызов функции или импорт. Граф перестраивается при каждом запуске из актуального кода.
329 Python-файлов
3 780 определений функций
22 683 вызовов между файлами
534 сообщества в 4 репозиториях
Для разработчиков и архитекторов SNIN — найти хабы, отследить зависимости, понять структуру проекта с одного взгляда. Для новичков — увидеть масштаб и архитектуру системы, не читая код.