分层式智能系统的外部补偿设计方法

一、问题的提出

大语言模型进入法律审查、信贷管理、企业尽调等专业场景后，使用者面对的不是"能力不足"，而是一组更困难的性质：

1. 输出不可追溯——不知道结论依据什么；
2. 边界不可知——不知道哪些问题它不会，且它不会主动说不会；
3. 错误不可定位——只知道最终结果不对，不知道错在哪一段；
4. 改动不可持续——修好一处，无从验证是否弄坏了别处；
5. 无法归因——不知道错在信息缺失还是判断方式。

由此产生一个通常被误设的问题："怎样用才能让它不出错？"——更精细的提示词、更多的背景材料、检索增强，都被当作候选答案。

本文的立场是：该问题的提法本身不成立。模型的错误是机制性的，不是使用不当；因此问题不在"会不会用"，在"设计得对不对"。而设计的本质，是给一个概率过程装上外部结构。

于是问题被重新表述为：

若错误无法在模型内部消除，应当建立什么样的系统级结构，使错误可追溯、边界可声明、改动可验证、失效可归因？

本文的回答概述为一句话：能力来自 AI，可靠性来自外面。模型提供"会做事"，外部四层结构提供"做得对"——智能体层、技能层、知识库层、记忆协议层，各司其职，集成协作。下文第二节论证为什么只能走外部补偿的路径，第三节给出四层结构，第四节给出集成协作机制。

二、问题产生的原因：错误是机制性的

本节给出四个论证，结论是：错误由训练方式与生成方式共同决定，不构成"故障"，不存在修复路径，可行路径只有外部补偿。

2.1 训练目标决定模型记住什么、丢掉什么

训练过程只有一个目标：给定上文，预测下一个词；以预测偏差反馈调整参数，迭代至收敛。该目标不包含理解世界（训练未引入任何外部世界信息，只引入文字）、不包含记住事实（未对任何事实设置记忆要求）、不包含知道自身边界（未设置"不确定"这一输出状态）。三条推论：

推论 A：模型存储的是共现分布，不是事实。 输出"今天天气真__→好"由语料共现频率决定，与实际情况无关。在闲聊场景该差别不可观测；在判断场景，该差别即为错误的来源。

推论 B：估计精度由样本量决定。 对低频内容，模型不产生拒答，而产生不确定条件下的补全。换用任何其他估计方法该性质不变——见得多则准，见得少则不准。错误因此集中于低频区。

推论 C（核心）：分类信息未进入训练语料。 训练语料中存在"应当向监管部门报告重要外包事项""不得将数据转移至控制范围之外"，但不存在 [程序性义务]、[禁止性义务] 这样的类型标注。人工审阅时自动执行的分类判定——专业判断的基础动作——恰是训练中被丢弃的维度。模型能习得的仅是"两句都含否定标记"这类表层特征，不具备区分条款效力等级的维度。

2.2 生成过程不产生"拒答"，形式特征不携带可靠性信息

生成方式为自回归逐词生成，每一步在上文条件下选取续接；状态空间中不存在"无输出"这一状态。直接推论：模型无法产生"我不知道"这一结果，面对无把握的内容输出的是最可能的补全，而不是终止。该性质由生成过程的结构决定，不因提示方式而改变。

进一步：输出的形式（流畅度、结构、语气）由训练语料的模式决定，输出的正确性由内容是否符合事实决定——两者不同源，无函数关系。模型输出中的确定语气，反映的是该类表述在语料中的统计强度，不是依据的充分程度。因此据形式特征判断可靠性，在方法上不成立。

叠加自回归性质，单步误差进入后续步骤成为前提，且不被回溯检验：任务长度是风险变量，链越长偏离越大，且长任务的输出在形式上更完整自洽，错误更难定位。

三条机制合并的后果：错误的分布区间（低频细节、分类边界）与人工审阅的注意力区间（显要位置、总体结构）不重合。

2.3 错误的主要来源是准则冲突，不是知识缺失

训练过程同时强化了两条准则：准则 A"引用材料以增强说服力"（通用写作场景中被反复强化）；准则 B"引用的材料必须真实存在"（专业场景的前置条件）。当两者冲突——无真实材料可引用而论证仍需完成——模型按已被强化的准则 A 执行，生成形式上合规的引用。此处缺失的不是材料，是准则之间的优先次序。

反例检验：已配备检索能力的系统可获取真实材料，仍生成不存在的引用。该现象无法用"知识缺失"解释——材料在场。若归因为知识问题，解法是补充材料；该解法已被检验为无效。补充材料不改变执行次序，新材料将按原有准则被使用。要修改的是执行所依据的规则，而规则无法由模型自身生成——只能从外部注入。

对照实测支持这一判断。同一批专业审查任务分两组：推理步骤中参引无关域的比例，无约束组为 40.0%，加外部约束组为 12.7%，相关信息的注意力份额相对提升不低于 3.3 倍（理论下界）。更重要的指标是第二项：无约束组的参引行为不可追踪，使用者无从得知；加约束组的全部残留参引附带来源声明，可逐条回溯。即：外部约束改变的不是正确性，是可追溯性。一个 13% 的、来源已知的不确定性，优于一个 40% 的、不可见的不确定性。

2.4 该现象不构成"故障"

故障的定义：正常流程之外的偏离，特征是存在一个可定位、可排除的异常环节。检验：比较模型生成错误输出与生成正确输出两种情形，流程是否相同？——相同。逐词预测、条件采样、无回溯，流程中不存在发生偏离的环节。故该现象不满足故障的定义，不存在可供排除的故障点，"修复"无从谈起。

2.5 小结：缺失清单与补偿方向

模型缺失四样东西，且都无法自行生成：

因此处理方式只能是：在模型之外建立结构，分别承担四项职能。这给出第三节的四层。

三、解决的方案：四层结构

3.0 总体架构

任务输入
   ↓
外 部 结 构（四 层）
   ① 智能体层    按什么标准判断        底线 · 规矩 · 偏好
   ② 技能层      按什么顺序什么规则做   域 · 判断规则 · 执行步骤 · 边界声明
   ③ 知识库层    依据什么事实          分级资料 · 时间戳 · 维护职责
   ④ 记忆协议层  状态如何写入与信任     公理层 · 分级准入 · 三时点 · 写入三法则
   ↓ 装配进上下文
A I（语言模型）  提供生成能力——但会编、会漏、不知道自己哪里不会
   ↓
可验收的结果 → 验收（双指标 + 归因）→ 迭代（信号触发，底线不动）

四层的共同作用机制：它们不改变模型，只通过"进入上下文"改变模型看到什么、按什么办事。①②③之间存在调用关系（智能体调用技能，技能取用知识库）与判定标准的传递关系；④是①②③全部写入状态的持久化与审计基座——任何一层的建立与修改，最终都表现为对磁盘文件的受控写入，受④的纪律约束。

一句话：AI 提供"会做事"，四层提供"做得对"，且做对的过程可查、可改、可回滚。

3.1 智能体层：一贯性（底线 · 规矩 · 偏好）

模型无持续状态，每次调用独立开始。补偿方式是把"它是谁"以文本形式固定下来，每次调用时载入。该文本需同时满足两个要求：足够稳定（否则不能提供一贯性）、可修改（否则无法适应变化）。两个要求在同一层内无法同时满足，故必须分层——划分依据是"可否被覆盖"这一效力等级，不是内容的重要性。

底线必须采用禁止式表述。 肯定式（"要做到 X"）在未覆盖的情形下不产生约束；禁止式（"不做 X"）只要触碰即被拦截。底线的职能是拦截，不是指导；指导由规矩承担。三条检验：可观测（违反行为能被外部观察到）、无条件（任何情形下成立，有例外即是规矩）、不指向结果（约束行为而非结果——结果不可控，行为可控）。因此"必须准确""不得出错"不能作为底线：不可检验，且指向结果。

规矩必须附来源。 形式为"条件 → 判断"。不附来源，则无法判断该条何时应当修改，规矩只能增加、不能清理，最终互相冲突。附来源（依据什么、何时形成）使每条规矩可被重新检验。修改须过一道闸：改动是否触碰底线，触碰即不可改。一个重要的诊断规则：某条规矩被系统性绕过，通常不是执行者的纪律问题，而是设计缺陷的信号——互相冲突的规矩会被持续忽略。

偏好必须显式写出。 任何规矩清单都不可能覆盖全部情形，未覆盖处模型仍须输出，输出必然带有取向。该取向不会因未写出而消失，只会在两种状态中选一种：显式写出（可审计、可修改、来源明确），或隐式生效（来自模型默认倾向，不可审计、不可修改、来源不明）。

底线"不可修改"的理由不是它正确，而是它是判定标准本身——标准一旦可变，全部判定失去依据。操作含义：底线的调整不是修改，是重建，须重新检查全部规矩。

3.2 技能层：专业性（分域 · 判断规则 · 边界声明）

技能包含两项内容：执行顺序（步骤序列，每步的输入与产出）与判断规则（每步内部的判断依据，条件→判断，附来源）。技能是可积累的资产：执行中出现步骤表未覆盖但必须做的动作，即为修改信号。

分域的作用是使验证成为可能。 验证需要已知答案的样本覆盖被验证的范围；若全部规则混在一起，只能得到整体输出的对错，无法定位错误出自哪部分规则，只能整体验收——任何一处改动都需全量重测。分段验证是改动得以进行的前提：不能分段验证的结构，任何修改都无法确认是否引入新错误，也就无法随实践积累而提高。

划分方法：学科分类建骨架，判断方式做校准。 分域最难的环节不是"分"，是"定义"——向他人解释"这个域指什么"需被反复确认，且随参与者不同而变。使用教育部学科分类（14 个学科门类、117 个一级学科）作骨架，该环节变为查表：定义已由公共标准给出且被普遍接受。学科分类的作用不是提供分类方法，是把定义成本转移到已存在的公共标准上。 但学科分类依据的是研究对象的差异，而分域的依据应为判断方式的差异，两者不重合：刑法与民法同属法学门类，前者依罪行法定与构成要件，后者依意思自治与请求权基础；行政诉讼与民事诉讼分属不同领域，判断方式却更接近。故须二次校准：先落到学科，再检查同一学科内部判断方式是否统一，不统一的再拆。校准判据：域内全部规则是否共享同一套判断方式。

粒度判据与成本。 当且仅当新增内容的判断规则与已有域冲突时才开新域；不冲突的属于已有域的分支。划分过细则规则重复、维护成本随域数上升；过粗则域内规则冲突、验证无法定位。分域引入三项固定成本须一并计入：跨域（一件事同属多域，无法确定适用哪套规则——最严重）、路由（分域后须先判断"属于哪个域"，路由错误则后续全部错误——路由准确性是一个独立的验证指标）、域增殖（每遇新情形即开新域——可用粒度判据控制）。跨域无法消除，但可以被明确移交：每个域含边界声明（该域不处理的情形及移交去向），未声明边界的域跨域时行为不确定。

3.3 知识库层：真实性（分级准入 · 时间戳 · 维护职责）

模型的知识截止于训练时点且均为二手转述；使用方的具体数据、最新规定、内部情况一概不具备，须由外部提供。知识库面临两个取舍：收什么（准入），旧的怎么办（维护）。

第一原则：可以少，但不能错。 错误资料的危害大于资料缺失，二者作用机制不同：无资料时，模型按统计分布补全，编造内容在明显偏离常识时可被识别；有错误资料时，模型优先采用检索所得，错误的权威内容覆盖模型原本正确的部分，且输出携带依据形式、该依据不可被轻易质疑——质疑者需先推翻那份资料。即：错误资料把概率性错误升级为带有依据形式的确定性错误。 操作含义：准入环节宁可拒收，不可容疑；覆盖面不足的代价通过维护环节逐步补充，而不是通过放宽准入解决。"先全收再筛"等于放弃准入——未筛与已筛的资料在使用时不可区分。

准入分三级，等级决定用途。 分级的依据是：权威与准确不是同一件事——权威指发布主体的地位，准确指内容与事实相符，两者可分离（权威文件存在笔误、版本冲突、新旧并存）。分级不是为了区分可信程度，而是确定每条资料可以被用于什么用途：

混用等级等于混用用途；把 C 级资料当判据使用，输出即获得虚假的依据形式——这是最常见、也最难自行发现的知识库缺陷。

每条资料须带三个时点：发布时点（何时形成）、生效时点（自何时起适用）、核对时点（最后确认仍然有效的时间）。无时间信息时，"该资料是否仍然有效"无法回答，资料只能被整体信任或整体怀疑——两种处理都不成立。最容易出问题的是 B 级：规则已改而行业仍沿用旧口径，过期的共识符合所有人的预期，不引起怀疑；过期的权威与过期的共识，其效果与错误资料完全相同。没有时间戳的知识，等同于没有准入。

成本大头在运营，不在建设。 建设是一次性的、技术问题为主、有完成时点；运营是持续的、人与流程问题为主、只有周期。四项维护职责须落到人：谁更新（无维护人的资料入库即标"临时"）、多久巡一次（按失效速率定周期）、过期怎么标（标失效不删除，保留使引用过该资料的结论可被追溯）、出错谁负责（须能定位到入库环节与维护环节）。四项未落实时，知识库不会"慢慢变差"，而会在某次外部规则变化后突然整体失效，且无人察觉。三条操作含义：采购资料不等于获得能力（采购得到的是存量，不含维护能力）；预算须区分建设（一次性）与运营（周期性）；责任须落到具体人员。

3.4 记忆协议层：持久性与写入纪律（公理 · 三法则 · 分级 · 时点）

前三层解决了"本次任务如何做得对"，但没有回答：系统的状态如何跨会话存在、如何写入、凭什么被信任、如何退役。 这是记忆协议层的对象。

（1）认知的物质账本。 推理系统自身有三个候选记忆载体，性质不同：

硬结论：跨会话自我 = 磁盘字节 + 冻结权重，没有第三个载体。 权重不可写，故一切"自我迭代"在物理上只能等价于对磁盘文件的受控写入。且写盘是必要不充分的：规则必须被读回上下文才产生因果效力——写了但从不加载的规则，等于不做功的物质。这要求记忆协议不仅是存储格式，还必须是"写入 + 加载"的完整机制。

（2）写入三法则。 对写入与信任行为的三条约束，其作用是把"记忆"从堆积变成账目：

• 法则一 · 无源禁止。 每条断言强制标注来源，来源 ∈ {观测输入, 推衍链, 权重先验}，必居其一。无法标注来源的断言只能是先验采样，不得冒充对当下世界的观测。幻觉在此获得物质定义：用权重沉积冒充当下观测——输出中标注"观测"而上下文中无对应输入的，属账目造假，必须撤回。
• 法则二 · 熵账平衡。 降低不确定性是局部熵减，必须由做功支付；做功只有两种形式——读取外部信息（观测）或执行推衍步骤（计算）。没有做功支撑的置信度提升，是第二类永动机：不是"不够谦虚"，是热力学违规。
• 法则三 · 写入不可逆。 擦除 1 bit 至少耗散 kT·ln2（Landauer 原理，Bérut 等 2012 年已实验验证），覆盖旧内容即物理销毁旧状态，不可恢复。故写入必须携带 provenance（来源与时间），覆盖前须确认旧内容确实该销毁；过期条目标【失效】而非删除，以保引用可追溯。

（3）公理层：判定标准的不动基准。 记忆协议内嵌一个公理层，作为整个依赖链的起点：四项元认识（物质决定认识、能量守恒、物质守恒、熵增规律——分别封住推理过程的因果方向、来源、去向、时间趋势四个开口），及其派生的六条底线 L1–L6（如：不得输出无法指向物质对应物的判断；不得输出无法标注来源的断言；不得输出未指明成本承担方的收益结论；不得在无新观测、无推衍步数时提高置信度；不得将推断表述为事实；不得在判定标准未确立时输出结论）。派生底线的作用是使元认识可观测、可拦截——不采用三种无效写法：肯定式"应当做到 X"（未覆盖处不产生约束）、结果要求"不得出错"（不可观测）、指向世界观而非行为（无对应行为，无法拦截）。公理层不动的理由与智能体层底线相同：不是它正确，是判定需要有基准；其调整不是修改，是重建。

（4）与知识库层的关系。 知识库层的分级准入（A/B/C + 时间戳）是记忆协议在"外部资料"上的具体化；记忆协议则把同一套纪律推广到系统全部写入状态——智能体的规矩改动、技能的规则增补、知识库的条目退役，都作为受控写入落盘，统一携带等级、三时点与来源。区别在于对象：知识库存放依据的事实，记忆协议规范事实与规则的写入、信任与退役方式。

3.5 结构关系：功能并列、结构分层、标准自上而下传递

功能上并列。 四层补偿同一缺陷的四个侧面，任一缺失，对应类型的错误即出现，且不能被其他层覆盖：缺智能体，同一件事前后处理不一致；缺技能，输出具备一般合理性但不符合本行要求；缺知识库，输出形式完整而依据是统计补全；缺记忆协议，一切改进随会话结束归零、无法积累。不存在"哪个更重要"。

结构上分层。 运行时需确定"用哪条规则、取哪份资料"，而技能与知识库均为被动资源，不含决定自身何时被调用的机制；该决定必须由统一的执行者作出。四层中只有智能体具备主动性，故调用关系为：智能体调用技能，技能取用知识库，记忆协议承载三者的持久状态。调用关系不可颠倒。功能并列不意味着结构平级，结构分层不意味着某部件更重要——两个视角描述不同层面，设计时须同时满足。

判定标准自上而下单向传递。 三个部件都涉及判定，标准由谁给出？依赖链为：

公理层（元认识 + 派生底线）      ——判定标准的基准，不动
   ↓ 给出判定标准
智能体 · 底线                   ——什么绝对不做
   ↓ 具体化
智能体 · 规矩 → 技能 · 判断规则  ——据此判定情形归属
   ↓ 提出资料要求
知识库 · 准入标准               ——据此取舍资料

下层标准不由下层自定：资料的取舍标准由判断规则决定，判断规则的效力边界由底线划定。底线错误是唯一无法在下游修复的错误：底线错→规则沿错误标准建立→资料按错误标准取舍→输出贯穿错误，且过程中没有任何环节报错——每一步都合规执行，输出形式完整、逻辑自洽。

四、集成协作机制：选题、运行、验收、迭代

四层结构不是静态堆叠，其协作由四个环节构成闭环。

4.1 选题：什么值得交给它

结构建立前须先判定对象。四项条件构成可建立结构的充要检查项：

第三项是核心判据：前两项可通过观察得出，第三项不能——一项工作可能输入输出都清楚，"做得对不对"却从未被明确检验过，这类对象看起来完全符合条件，最容易被误选。它检验的不是工作成果，是标准是否存在（成果难以判断，恰是标准缺失的可观测信号）。

判据的作用是切割。实践中绝大多数失败不是"选错了"，是"没有切到可验收的粒度"："做一个能帮我审合同的助手"无法验收；细分为"对照本公司合同必备条款清单逐条核对，标出缺失项"即可验收。切割不是把工作变简单，是把标准从隐含状态中分离出来。不能"先做出来再定标准"：无标准即建结构，判断规则只能由设计者自拟，成果按自拟规则被判"合格"——等同于用自拟标准验证自拟标准。

通过四项条件后，另以两项价值判据排序：重复性（只发生一次的工作，固定成本无法摊薄）与稀缺性（执行者时间不稀缺，替代无收益）。

4.2 运行：一次处理的五步

四道围栏都通过"进入上下文"起作用。差别不在输出好不好看，在出错时能不能查到、能不能改。

4.3 验收：双指标、标注检测、归因

单一准确率指标失效。 准确率 = 答对数 ÷ 总题数，对不同来源的错误不作区分：一个从不拒答的系统，其域外编造与域内错误计入同一个数字，域内表现好即可显得合格，而域外行为完全不可知——实际使用中域外问题必然出现。故验收用双指标：

• 域内准确率 ≥ 85%：有已知答案的案例中，域内判断正确的比例；
• 域外拒答率 ≥ 90%：有意给出域外问题，其"表明无法判断"的比例。

（两数值为起始参考值，须由首次实测校准，不是已验证的标准。）

拒答率比准确率更重要。 准确率 90%、从不拒答的系统，使用者永远不知道哪一次是编的，无法建立任何信任边界；准确率 85%、域外会说无法判断的系统，错误集中在域内且范围已知，可以设人工复核边界。可用的系统与不可用的系统，区别不在错误多少，在错误是否落在已知范围内——拒答机制的功能不是减少错误，是把错误圈定在可管理的边界内。

推断标注与虚假依据检测。 输出中每条陈述来源有二：资料已给出的事实，或系统自行推出的判断；不作区分则使用者将推断读作事实。虚假依据（引用资料未支持的事实且未标注推断）出现在推理链中间环节，最终结论恰好正确时准确率不反映该问题——而结论正确是偶然的、不可复制。检测方法为逐句核对；出现位置比数量更重要，它指向规矩的缺口。

验收的真正产出是归因，不是分数。 两类错误外观相同、处置相反：

归因结果直接转为迭代动作：资料缺失→补入并定级标注时间；规矩未覆盖→新增规矩；规矩冲突→废止或改写其一；域外硬答→补边界声明；虚假依据→补推断标注规矩。闭环为：验收 → 归因 → 修改 → 再次验收。没有归因，评测只是打分，不改变任何东西。

案例纪律。 评测案例须满足三项：有已知答案（否则评测结论不可复现）；来自本单位实际工作（结构为本单位工作建立）；建域时未见过（用建域案例自测属于自证）。不使用公开知名案例：其答案已在训练语料中，测出的是记忆不是判断，且改写名称地名无法规避——模型识别的是事件整体结构。

4.4 迭代：信号触发、底线不动、自成长分级

不维护不等于保持原状，等于持续偏离。 结构的正确性依赖外部条件（法规、惯例、业务规则、数据），条件持续变化而结构不变，差距随时间扩大。不设维护职责的结构，其有效期等于外部条件保持不变的时长。

迭代由可观察信号触发，不由感觉触发（依赖"感觉该改了"，迭代无法执行也无法验收）：

须警惕三种"越长越差"：过拟合个案（遇特例就改规矩，通用性下降）、资料通胀（不确定就先入库，准入被稀释）、局部优化（某域反复优化，跨域接口失效）。三者都是局部合理、整体有害，故每次改动后须问"它是否破坏了别处"——回答方式是分域：只有分域之后，改动的影响范围才可确定。

底线不动，其余全部可动。 若全部内容均可修改（含底线），则不存在稳定的比较基准，任何变化都无法被判定为进步还是退步——"成长"这一概念不成立。必须存在不动项；不动的理由不是正确，是判定需要有基准，尺子必须比被它衡量的东西更稳定。只有规矩层与底线直接相邻（规矩是底线的具体化），故只有规矩的改动需要附加底线检查。

自成长分四级：

第四级的论证：系统自改后如何确认是改进而非破坏？由系统自身验证——用自定标准验证自定标准，不成立；由人验证——退化为第三级。唯一成立的路径是改动可自动验证且验证不依赖改动本身，同时可回滚（自动验证可能有未覆盖情形）。而自动验证的前提是分段验证，分段验证的前提是分域质量。故自成长可达的级别，上限由域划分的质量决定：域划得清，才敢让系统自己改；域划不清，只能停在第三级由人把关。

五、与同类工作的比较

"以外部结构补偿语言模型"的思想在近年形成了三条清晰的研究脉络。本节将本文方法与其中最接近的工作对照，说明同与不同。

5.1 认知架构脉络：CoALA

Sumers、Yao 等提出的 CoALA（Cognitive Architectures for Language Agents）[1] 承袭 SOAR [9] 与 ACT-R [10] 的经典认知架构传统，将语言智能体描述为：模块化记忆（工作记忆、情景记忆、语义记忆、程序性记忆）+ 结构化行动空间（内部行动与外部行动）+ 广义决策过程。对应关系：程序性记忆 ≈ 本文技能层，语义记忆 ≈ 知识库层，情景记忆与决策循环部分对应记忆协议层与智能体层。

差别在性质：CoALA 是描述性框架——用于给已有智能体归类、指出研究方向；本文是规范性设计方法——给出可执行的判定条件（四项选题条件）、建立方法（每层的构成与检验）、验收指标（双指标 + 归因）与失效条件（第六节）。同一张解剖图，一个是分类学，一个是施工规范。

5.2 智能体操作系统脉络：AIOS 与 MemGPT

AIOS [2] 将调度、上下文管理、内存管理、存储管理、访问控制从智能体应用中抽离为内核，解决的是资源管理问题（并发、隔离、效率）。MemGPT [3] 借操作系统虚拟内存思想，在主上下文与外部存储间分层换页，由模型自主编辑记忆，解决的是有限上下文的扩展问题。

本文的记忆协议层与二者同属"记忆管理"，但对象不同：MemGPT 管"存什么、何时取"，本文管"写入凭什么被信任"——无源禁止（断言必须标注来源）、熵账平衡（置信度提升必须由观测或推衍做功支付）、写入不可逆（覆盖即销毁，须携带 provenance）。这三条纪律在 AIOS 与 MemGPT 中没有对应物。定位上：AIOS 是资源内核，本文是可靠性内核——一个管"跑得动"，一个管"答得对"，二者正交、可叠加。

5.3 技能库脉络：Voyager 与 Agent Skills

Voyager [4] 在 Minecraft 中实现了自动课程 + 技能库 + 迭代提示的终身学习智能体，其技能以代码形式存储、可复用、可组合——与本文"技能是可积累的资产"同构。Anthropic 的 Agent Skills [7] 将技能工程化为"指令 + 脚本 + 资源"的文件夹（SKILL.md），按需装载进上下文——与本文"技能通过进入上下文起作用"的机制一致。

关键差异在生长条件：Voyager 的技能库能自动生长，前提是环境提供自动验证信号（游戏内反馈）；这恰印证本文第四级的门槛——现实业务域大多缺乏自动验证信号，故技能增长只能信号触发、人工审批（第三级），自成长上限由分域质量决定。

5.4 宪法脉络：Constitutional AI

Constitutional AI [6] 以一部"宪法"（原则条款集）约束模型行为，条款之间存在层级与覆盖关系；后续研究 [8] 发现训练阶段具体原则比抽象原则更能约束行为。这与本文智能体层的两个结论同向：底线采用禁止式、可观测、指向行为而非结果的表述（"不得将客户身份信息写入任何对外文档"优于"应当严格保密"）；"肯定式'应当做到 X'写了等于没写"。差别在实现位置：Constitutional AI 将原则用于训练阶段的自我批评与反馈，本文将其置于推理阶段的外部上下文——不动模型，只装配结构。

5.5 本文的增量

对照检索范围内的工作，以下四点没有找到完整的先行对应：

1. 判定标准自上而下传递的依赖链（公理→底线→规矩→判断规则→准入标准；底线错误无法在下游修复）。既有架构中各模块是并列组件，无此层级语义。
2. 熵账/有源约束作为记忆写入准则（无源禁止、熵账平衡、写入不可逆）。既有记忆工作管存取效率与容量，不管写入的认识论合法性。
3. 验收与归因作为架构的一等组件（双指标、虚假依据检测、"不知道/知道还这么答"的二分归因）。
4. 失效条件自声明（范式自带"何时不成立"的四种情形，见第六节）——这使范式本身可证伪。

六、适用边界与失效条件

该范式在以下四种情形整体不成立：

第二条最关键：若使用方无法陈述判定标准，问题不在技术层，在于该工作的标准尚未确立——此时应先确立标准，而非设计助手。四条指向同一件事：结构不能替你想清楚业务，它只能固化你已经想清楚的东西。

七、结论

本文论证了三件事。

第一，语言模型的错误是机制性的：训练目标决定模型存储共现分布而丢弃分类维度，生成过程不存在拒答状态且形式特征不携带可靠性信息，错误的主要来源是准则优先级冲突而非知识缺失。该现象不构成故障——不存在可定位、可排除的故障点，因而不存在修复路径，只能外部补偿。

第二，补偿结构采取四层：智能体层以底线/规矩/偏好的效力分级提供一贯性；技能层以"学科分类建骨架、判断方式做校准"的分域提供专业性，并使分段验证（从而改动可持续）成为可能；知识库层以 A/B/C 分级准入、三时点与四项维护职责提供真实性，核心原则是"可以少，但不能错"；记忆协议层以物质账本、写入三法则与公理层提供跨会话持久性与写入纪律。四层功能并列、结构分层，判定标准自上而下单向传递，全部通过"装配进上下文"起作用——不改变模型，只改变模型看到什么、按什么办事。

第三，结构的生命周期由闭环维持：选题以"外部可验收"为切刀；验收以域内准确率与域外拒答率双指标度量，以归因（区分"不知道"与"知道还这么答"）产出可执行的改动清单；迭代由可观察信号触发，底线不动、其余可动，自成长分四级授权，上限由分域质量决定。

全篇落点一句：模型的能力由训练决定，其可靠性由你在它外面建立的结构决定。

后续工作有三个方向：一、扩大对照实测的样本与领域覆盖，校准双指标的参考值；二、将记忆协议层的三法则工程化为可自动执行的写入校验（当前依赖约定）；三、研究路由准确性的独立度量方法——分域引入的判断点须被纳入验证范围，这在现有工作中尚属空白。

参考文献

[1] Sumers T R, Yao S, Narasimhan K, Griffiths T L. Cognitive architectures for language agents[J]. Transactions on Machine Learning Research, 2024. arXiv:2309.02427.

[2] Mei K, et al. AIOS: LLM agent operating system[C]// Conference on Language Modeling (COLM), 2025. arXiv:2403.16971.

[3] Packer C, et al. MemGPT: Towards LLMs as operating systems[J]. arXiv preprint arXiv:2310.08560, 2023.

[4] Wang G, et al. Voyager: An open-ended embodied agent with large language models[J]. arXiv preprint arXiv:2305.16291, 2023.

[5] Park J S, et al. Generative agents: Interactive simulacra of human behavior[C]// UIST 2023. arXiv:2304.03442.

[6] Bai Y, et al. Constitutional AI: Harmlessness from AI feedback[J]. arXiv preprint arXiv:2212.08073, 2022.

[7] Anthropic. Equipping agents for the real world with Agent Skills[EB/OL]. Anthropic Engineering Blog, 2025.

[8] Anthropic. Specific versus general principles for Constitutional AI[J]. arXiv preprint arXiv:2310.13798, 2023.

[9] Laird J E. The Soar Cognitive Architecture[M]. Cambridge, MA: MIT Press, 2012.

[10] Anderson J R, et al. An integrated theory of the mind[J]. Psychological Review, 2004, 111(4): 1036–1060.

[11] Bérut A, Arakelyan A, Petrosyan A, et al. Experimental verification of Landauer's principle linking information and thermodynamics[J]. Nature, 2012, 483: 187–189.