可执行知识与记忆演化协议
让 AI Agent 的记忆
能够衰减、压缩与演化
AIOBR 用 World Versioning 代替单纯时间戳，保存可审计的状态轨迹，并把重复经验压缩成可复用 Skill。
记忆自然衰减
旧记忆不会被直接删除，但可以随着世界变化降低对当前决策的影响。
Trajectory 轨迹
记录状态、触发因素、选择和结果，而不只保存孤立的最终答案。
Skill Compression
从重复经历中提取稳定模式，把大量事件逐步压缩为可复用能力。
反事实学习
比较实际路径与未选择的路径，减少只从成功经历学习造成的偏差。
100 项测试通过 · 实测报告
为什么 AI Agent 的记忆需要衰减
查看可复现的 CLI 结果、证据边界和当前限制。
阅读中文实测报告 →受控纵向实验 · 2026-07-13
记忆应该多快衰减？
我们运行了干净规则切换、蓝→绿→蓝规则回归，以及包含 26.25% 错误观察的 80 会话实验。
| 策略 | 干净切换 | 旧规则重启 | 噪声观察 |
|---|---|---|---|
| HL=2 | 90% | 90% | 85% |
| HL=4 | 85% | 85% | 93.75% |
| HL=8 | 70% | 70% | 98.75% |
| HL=16 | 45% | 55% | 100% |
结论：短记忆在干净变化和规则回归中适应更快，但会对近期错误观察反应过度。不存在普遍最优的 half-life。
开放反馈
分享记忆失败案例
告诉我们：哪种记忆应该衰减？哪种记忆绝对不能衰减？你的 Agent 遇到过什么旧记忆污染？
提交结构化案例 →请勿提交密码、私密对话或个人敏感信息。