MeshFlow: 拓扑数独矩阵 (Topological Sudoku Matrix)
停止回溯，开始坍缩。
欢迎来到 MeshFlow 数独引擎。这并非传统的深度优先搜索（DFS）算法，而是一个基于分布式拓扑响应的复杂系统。在这里，81 个独立节点（单元格）通过持续的谈判、纠缠与状态坍缩，最终达成全局逻辑共识。
🌀 核心机制 (Core Mechanics)
1. 约束坍缩 (Constraint Collapse)
数字并非被“计算”出来的，而是被“挤压”出来的。随着节点向邻居发送 forbidden（禁码）信号，单元格的概率云不断收缩。当可能性仅剩唯一时，波函数坍缩为确定实相。
2. 拓扑取证 (Topological Forensics)
当引擎陷入逻辑死锁时，会触发视觉化“案发现场”，帮助开发者追踪逻辑冲突的源头：
- 🚨 受害节点 (血红脉冲)：逻辑生存空间被彻底挤压至零（候选数为 0）的奇点。
- 🕵️ 嫌疑节点 (橙色高亮)：近期修改过值、并强行占据了受害者拓扑空间的邻近干扰源。
3. 分布式自愈 (Self-Healing)
系统利用中心化的 “法官 (Judge)” 节点监控全场。一旦捕获死锁信号，法官将介入调度，强制嫌疑节点回退并记录失败日志（Banned List），为系统重新腾出坍缩空间。
⚠️ 技术边界：为什么会推断错误？ (The Mesh Paradox)
在典型的任务流引擎中，逻辑通常遵循 DAG (有向无环图) 结构，拥有明确的层级和因果序。但在数独矩阵中，情况发生了本质变化：
1. 全员平级与因果回环 (Non-DAG Mesh)
数独是一个 全连通 Mesh 网络，格子之间互为因居，不存在天然的执行先后。
- 无序纠缠：格 A 的变动会影响格 B，而格 B 的反馈可能绕过网络再次作用于格 A。
- 时序随机性：由于缺乏拓扑层级限制，引擎内部微任务的触发时序具有随机性。即便起始点固定，信号传导的微小抖动也可能导致最终状态的差异。
2. CRDT 数据一致性规范
由于 Mesh 网络中“因果序”的不可靠，系统对数据修改的精度要求极高。开发者在编写纠缠逻辑时，必须确保数据操作符合 CRDT (无冲突复制数据类型) 规范：
- 幂等性 (Idempotency)：重复收到的“禁止信号”不应导致状态重复累加。
- 交换律 (Commutativity)：信号抵达的先后顺序不应改变最终的逻辑结果。
结论：若纠缠逻辑（如
patch过程）不具备幂等性（例如使用非原子计数器forbidden++），异步触发的时序熵将导致“幽灵约束”产生。这是系统死锁或推演错误的物理根源。目前引擎通过 逻辑干预 尝试修复，但在极端路径下，仍需依赖 事务快照 (Snapshot) 进行物理回溯。
🕹️ 交互指南 (Interaction)
- 观测演化 (Evolution)：点击解题，观测候选数如何像晶体一样在网格中生发。
- ⚡ 坍缩重放 (Re-Collapse)：抹除推演结果，保留初始题目。见证系统的最终一致性——无论随机路径如何变化，逻辑震荡最终总能回归熵值最低的解。
- ↻ 清盘推演 (Zero-State Deduction)：毁灭现有宇宙，回归白板状态，观察引擎如何从绝对的混沌中构建秩序。