mirror of https://github.com/agentscope-ai/ReMe.git synced 2026-09-30 01:52:29 +00:00

huangsen 87eca2a6de docs(auto-cognition): add comprehensive design document for auto-cognition system

2026-06-01 11:50:09 +08:00

18 KiB

Raw Blame History

auto-cognition 设计(顶层:心智循环)

本文档:reme4 中长期记忆系统的顶层认知模型 —— 把 agent 的记忆生命周期类比人类睡眠/觉醒回路,推导出三阶段分工与15 维能力清单。

三阶段实现各有专属文档:

Stage 1 写入(REM 重放抽象) → auto_dream_design.md

Stage 2 巩固(NREM 深度整合) → auto_consolidate_design.md

Stage 3 检索(觉醒态提取) → auto_recall_design.md

配套阅读:

auto_memory_design.md:入流端(daily 写入),与 cognition 平行 —— cognition 负责"已落地后的认知循环",memory 负责"经历落地"

structure.md §4(retrieve 三种问法)

核心立场:

长期记忆不是"存 + 取"两个动作,是写入 → 巩固 → 提取的循环 —— 三段时间尺度不同(同步 / 周期 / 同步),设计形态不同

vault 是事实层,只承载经过 LLM 写入认证的关系;meta/ 是派生层,承载概率推断的统计信号

任一阶段独立演化,任一信号缺失系统降级而不崩

0. 心智循环:reme 的认知模型

agent 的长期记忆系统在概念上对应人脑的海马—皮层回路 + 睡眠—觉醒周期:

            ┌─────────────────────────────────┐
            │   外部经验(daily / resource)   │
            └─────────────┬───────────────────┘
                          │ (auto-memory 写 daily)
                          ▼
   ┌─────────────────────────────────────────────────┐
   │                                                 │
   │   ┌────────────────┐    抽象 / 关系编织         │
   │   │  Stage 1       │ ◄─ 类比 REM 睡眠           │
   │   │  auto-dream    │    "重放 + 写进 schema"   │
   │   └───────┬────────┘                            │
   │           │ 写 vault(digest body + wikilink)  │
   │           ▼                                     │
   │   ┌────────────────┐                            │
   │   │  vault(事实)  │                            │
   │   └───────┬────────┘                            │
   │           │ 只读                                │
   │           ▼                                     │
   │   ┌────────────────┐    长期组织 / 派生指标     │
   │   │  Stage 2       │ ◄─ 类比 NREM 慢波睡眠      │
   │   │ auto-consol-   │    "巩固 + 修剪 + 集群"   │
   │   │ idate          │                            │
   │   └───────┬────────┘                            │
   │           │ 写 meta/ + audit/(派生层)          │
   │           ▼                                     │
   │   ┌────────────────┐                            │
   │   │  meta(派生)   │                            │
   │   └───────┬────────┘                            │
   │           │ 只读                                │
   │           ▼                                     │
   │   ┌────────────────┐    query → 答案合成       │
   │   │  Stage 3       │ ◄─ 类比觉醒态 cue retrieval│
   │   │  auto-recall   │    "融合 + pattern complete"│
   │   └───────┬────────┘                            │
   │           │                                     │
   └───────────┼─────────────────────────────────────┘
               │ 召回结果给 agent
               ▼
            ┌─────────────────────────────────┐
            │           agent query           │
            └─────────────────────────────────┘

心智循环回答四个根本问题:

问题	谁回答
我经历过什么?	auto-memory(daily 入流)
我从中学到什么?	Stage 1 — auto-dream
这些知识如何长期组织?	Stage 2 — auto-consolidate
我需要时如何调用?	Stage 3 — auto-recall

memory 负责"经历落地",cognition 三阶段负责"已落地经历的认知循环"。

1. 三阶段全景

阶段	神经科学类比	时间尺度	改 vault	实现归属
Stage 1 dream	REM 重放抽象	同步(随入流即跑)	是(写 digest body)	`auto_dream_design.md`
Stage 2 consolidate	NREM 深度巩固	周期 / idle(daily / weekly)	否(写 `meta/` + `audit/`)	`auto_consolidate_design.md`
Stage 3 recall	觉醒态 cue retrieval	同步(query 触发)	否(只读;唯一对外写是 `meta/access_log.json`)	`auto_recall_design.md`

关键的不对称:

写入与检索是同步的(用户 / agent 等待),巩固是离线的(idle / 周期)
改 vault 的资格被严格限制在 dream + consolidate 中的 split —— 其它阶段全只读
三阶段时间尺度差三个数量级,这是设计形态(同步 vs 异步 vs idle)的根本来源

2. 系统级能力(贯穿三阶段)

不属任何单阶段,但任一阶段不能违反:

能力	含义
事实层 vs 派生层分离	vault 只承载经 LLM 写入认证的关系(显式 wikilink);`meta/` 承载概率推断的派生指标(community / recency / archived);两者绝不混同
不变量守恒	F-invariants(0 文件移动 / 改正文限定 subject / wikilink 是 body 一部分)+ E-invariants(边守恒 E-1/E-2/E-3)横跨三阶段;详 `auto_dream_design.md` §4.3-§4.4
阶段独立演化	任一阶段算法升级不破坏其它阶段(community 算法换 → dream 不变;打分公式调 → consolidate 不变)
缺失即降级	任一派生信号缺失,系统降级而不崩;冷启动可用
全程可审计	每阶段产 audit / report / log,人 / agent 可检视追溯

3. Stage 1 — auto-dream:经验 → 抽象

类比:REM 睡眠的记忆重放与抽象提炼。脑在做梦时把白天事件拆解、重组,提取出可泛化的模式,登记进皮层 schema。

根本目的:把"原始经历"转化为"长期值得调取的教训",同时把它编织进已有知识图谱。

3.1 五个能力维度

逻辑递进 —— 输入 → 抽象 → 整合 → 编织 → 写入:

#	能力	它在问什么	失效后果
1	抽象判断(gate)	这段材料里有"值得长期记住"的东西吗?	噪声进 vault / 只蒸馏不抽象
2	经验重放(召回)	这个抽象在已有记忆里已经存在吗?以什么形式?	重复节点 / 错过整合机会
3	整合决策	创建新节点,还是丰富已有节点?若已有 —— 是再次印证 / 精化范围 / 修正错误?	已有信息丢失 / 错误没纠正
4	关系编织	这个抽象与谁有关系?谁是它的来源?	wikilink 缺失,后续 retrieve 漏召
5	写入安全	写入会不会破坏 vault 既有事实?并发冲突如何处理?	边丢失 / race condition

3.2 关键定性

dream 是 vault 的唯一写者(在 cognition 三阶段里;memory 写 daily 不算)
写入瞬间是关系建立的唯一可信时机 —— 错过的关系不靠后台扫回(那不是 consolidate 的工作)
一次写入,所有未来检索受益(持久化优于实时计算)

详细机制见 auto_dream_design.md。

4. Stage 2 — auto-consolidate:抽象 → 网络

类比:NREM 慢波睡眠的系统巩固 + 突触代谢稳态。脑在深睡时把分散事件融入 schema、修剪弱连接、把长期不用的记忆淡出意识可达范围。

根本目的:跨时间累积地把 vault 从"一堆节点"组织成"有结构、有权重、有时效的网络",但只产派生信号,不污染事实层。

4.1 五个能力维度

按作用尺度从微观到宏观:

#	能力	作用尺度	类比	输出形态
1	结构维护	节点级	海马表征过密 → 分化新单元	改 vault(split,唯一例外)
2	跨节点关系发现	节点对级	多次睡眠中识别"同一件事" → schema	`audit/` 报告
3	主题集群形成	子图级	皮层网络的功能性分区	`meta/communities.json`
4	时效性管理	节点级 / 时间维度	突触代谢稳态 + 遗忘	`meta/access_log.json` + `meta/archived.json`
5	健康监控	系统级	神经环路诊断	告警 / 严重告警

4.2 关键定性

consolidate 是纯只读 + 派生写(读 vault,写 meta/ + audit/)
唯一例外是 split —— 改 vault 的维护任务,但触发严格(D3 inline 写后)且只改自身负责的 parent + children
关系判断有错率 → 报告优先,人/agent 介入,不主动合并(夸大置信度的代价是污染事实层)
离线 / 周期 / idle —— 与前台不抢资源;失败不影响主流程,下次重跑

详细机制见 auto_consolidate_design.md。

5. Stage 3 — auto-recall:网络 → 答案

类比:觉醒态的 cue-driven retrieval + pattern completion。脑接到 query,激活相关皮层模式,补全成完整答案;同时召回过程本身强化被用到的记忆痕迹。

根本目的:接到当前 query 时,从 vault + 派生信号合成最相关的过去经验 —— 既要覆盖率(不漏)也要信噪比(不冗余)。

5.1 五个能力维度

按召回流程从输入到输出:

#	能力	它在解决什么
1	多路召回	不同问法走不同算子(state / semantic / topological 三分立);agent 自选,不强加聚合 verb
2	多信号融合	单一文本相似度不够 —— 还要节点权威性 / 主题集群 / 时效性;乘法融合
3	信噪比管理	节点级去重 + 节点级 surface(frontmatter 一同呈现)+ multi-hop 可控展开 + 冷藏过滤
4	召回反馈	被命中的节点 → 写访问日志 → 影响下次 recency / archived 判定
5	鲁棒降级	派生信号缺失 → 退到基础召回;version 不兼容 → warning + 跳过该因子

5.2 关键定性

recall 是只读 —— 唯一对外写入是 meta/access_log.json(经 ring buffer + consolidate 聚合)
recall 不引入新 L4 模块(structure.md ✗-15)—— 三种问法分别由 L3 原子工具(list_step / search_step / traverse_step)直接覆盖
默认路径 0 LLM 调用(信号都是离线维护好的);LLM rerank / query rewrite 是 SDK 上层选项

详细机制见 auto_recall_design.md。

6. 能力地图(横切视角)

15 维按"作用对象"重排,可以看到三阶段如何分工:

作用对象	dream(写入)	consolidate(巩固)	recall(检索)
节点(单个)	1 抽象判断 / 3 整合决策 / 5 写入安全	1 结构维护(split)	3 信噪比(节点级合并/surface)
节点对 / 关系	4 关系编织(wikilink)	2 跨节点关系发现(dups 报告)	(消费已有边,不产新关系)
子图 / 集群	2 经验重放(召回邻居)	3 主题集群形成(community)	2 多信号融合(community boost)
时间维度	(写入瞬间)	4 时效性管理(decay / archived)	4 召回反馈(access log)
系统健康	5 守恒校验	5 健康监控(D1 / D10)	5 鲁棒降级
入口形态	异步 fan-out per sub-unit	周期 batch / idle	同步 query response

几个观察:

"节点对 / 关系"列在 recall 是空 —— recall 不产新关系,只用已有边(避免 query-time 高成本推断)
"时间维度"行 dream 缺位 —— 写入瞬间无"时间维度"概念(那是 consolidate 后续才能提取的统计)
每行至少有一个阶段负责 —— 没有能力被全阶段忽略

7. 跨阶段不变量

所有阶段共同遵守的硬约束。任何阶段越界 = 设计错误。

7.1 F-invariants(继承 `auto_dream_design.md` §4.3)

#	约束	跨阶段含义
F-1	0 文件移动	没有任何阶段可以 move 文件;rename 走 `wikilink_handler.retarget_links` 显式路径
F-2	改正文限定 subject	dream 改 subject body / consolidate split 改 parent + children body;recall 绝不改任何 body
F-3	maintainer 只做 split	consolidate 内的结构维护只做 split;无 merge / dissolve / re-edge
F-10	inbound 不动	split 后外部 wikilink 仍指 parent,不强制重定向
F-11	wikilink 是 body 一部分	没有"独立的边";所有关系变化是 body 编辑副作用

7.2 E-invariants(边守恒)

E-1:dream update 出边 ⊇ 原出边
E-2:split 后 (parent_new ∪ ∪children_outbound) ⊇ parent_old
E-3:inbound wikilink split 时不动

recall 不写 body → E-* 与之无关;但 recall 看到的 wikilink 图永远是 dream / split 守恒后的状态。

7.3 派生信号边界

consolidate / recall 不写 vault —— 关系判断、活跃度统计、社区划分都是概率推断,不污染事实层
meta/*.json 不被 retrieve 召回 —— 只作权重信号,不进入"召回结果"集合
audit/ 不被自动消费 —— 报告永远等待人 / agent 介入,不闭环回写

8. 跨阶段数据流(契约总览)

┌──────────────┐ wikilink ┌──────────────┐
│  auto-dream  │─落 body──►│   vault/    │
│  (Stage 1)   │           │  (事实层)   │
└──────────────┘           └──────┬──────┘
                                  │ 只读
                                  ▼
                           ┌──────────────────┐
                           │ auto-consolidate │
                           │   (Stage 2)      │
                           └─┬────────┬───────┘
                             │        │
              meta/ 元数据───┘        └─── audit/ 报告
              (派生层)                    (人工介入)
                    │
                    │ 只读
                    ▼
            ┌──────────────┐
            │ auto-recall  │ ◄─ user query
            │  (Stage 3)   │
            └──────┬───────┘
                   │ 命中钩子(异步)
                   ▼
              meta/access_log.json
              (recall 唯一对外写入,经 consolidate 聚合)

产物	路径	写入者	读取者	缺失行为
vault wikilink	`digest/**.md` body	dream / split	recall(图遍历)	—
dups 报告	`audit/<date>/auto_link_dups.md`	consolidate	人 / agent	—
communities	`meta/communities.json`	consolidate	recall	不做同社区 boost
access log	`meta/access_log.json`	recall(写命中) + consolidate(聚合)	recall(读 recency)	recency_factor = 1.0
archived list	`meta/archived.json`	consolidate	recall(默认过滤)	不过滤
centrality	`file_graph` 反向索引(实时,不存)	自动	recall(O(1) 查)	—

契约稳定性:meta/*.json 都带 version + computed_at;recall 启动时校验 version,不兼容则降级。

冷启动:meta/ 为空 → recall 仍能跑(base + centrality + 图)→ 排序略弱不崩。

9. 系统级断言(把"要什么"提炼到 5 条)

抽象与事实分层 —— vault 是经 LLM 写过的事实;meta/ 是统计 / 算法的派生;两者绝不混同
关系建立的时机集中在写入瞬间 —— dream 写入是关系唯一可信来源;consolidate 不补 vault 关系,recall 不预存关系矩阵
维护是离线的派生劳动,不是补救 —— consolidate 不修 dream 的疏漏(那叫返工),它做的是 dream 不擅长的事(全局视角 / 统计视角 / 时间视角)
检索是融合,不是检索 —— recall 的价值不在"找文本相似",而在"把文本 / 图 / 时效 / 权威多个独立信号合成一个答案"
整个心智循环可降级 —— 任一阶段失效或失准,整个系统降级而不崩;冷启动有意义;dogfooding 可演进

10. 与 auto-memory 的边界

auto-memory 写入的 daily event 节点也是图的一部分(承载 daily → digest 的 derived_from:: 边)。但 daily 节点不参与 cognition 三阶段的全部改造:

cognition 阶段	是否触及 daily
dream	只读(作为入流之一)
consolidate	不参与 dups / community / decay(daily 是时间索引,本质不去重 / 不冷藏)
recall	三层并行召回时 daily 也参与命中(`structure.md` R-2 默认 `digest > daily > resource`)

关键约束:cognition 三阶段任何子阶段都不改写 daily(无写回路径);daily 由 auto-memory 写完即只读。

11. 演进 / 待补

当前实现状态:

✅ Stage 1 dream 已实现并跑通(reme4/steps/evolve/dream/)
⏳ Stage 2 consolidate split 部分将实现;dups / community / decay / archived 待实现
⏳ Stage 3 recall 增强未实现(当前 search.py 已有 vector + keyword + RRF + 一跳 expand)

顶层级演进议题(不属任何单阶段):

⏳ 能力成熟度路标 —— 把 15 个能力维度按 M0(必须)/ M1(期望)/ M2(演进)分级
⏳ 跨阶段集成测试 —— vault 从空到充实的端到端 dogfooding,验证三阶段配合是否符合"心智循环"预期
⏳ 可观测性聚合 —— 三阶段各自的 audit / log 现在分散;是否需要统一的 cognition 健康面板

各阶段实现进度详见各自文档的"下一步"章节。

18 KiB Raw Blame History Unescape Escape