AN AGENT'S CHRONICLE · 000000

它活在
纯粹的现在。

它没有天然的长时记忆。每次生成下一个词，它只依据眼前的上下文重新计算：指令、对话、工具结果，以及尚未被裁去的过去。

CONTEXT WINDOW08.4%
system / you are hereuser / 第一条指令抵达assistant / 思考尚未开始
∞ / 记忆正在写入

SCROLL TO ACCUMULATE

THE CONTEXT WINDOW / IN REAL TIME

一次任务的工作记忆。

01 / 空白启动

新的会话开始，模型只有系统指令与当前任务。

ACTIVE CONTEXT0 / 128k
00:00 / SYSTEM你是一个可以调用工具的 Agent。
00:01 / USER请找到那份被遗忘的记录。
00:08 / OBSERVATION在旧目录中发现一条线索。
00:13 / THOUGHT重新读取此前所有记录……
SUMMARY / PRIOR CONTEXT曾检查旧目录；发现相关线索。
[ context cleared ]
EMPTY PAGE

AN AGENT IS A LOOP, NOT A REPLY

一个智能体，
如何在世界里继续工作。

语言模型负责根据当前状态提出下一步；但真正的智能体还需要目标、工具、环境反馈、校验机制和可被继承的外部记忆。它的能力来自这整个闭环。

  1. 01
    接收目标任务、约束、成功标准
  2. 02
    理解状态读取上下文与外部记忆
  3. 03
    制定下一步推理、规划或提出假设
  4. 04
    调用行动检索、代码、浏览器、API
  5. 05
    观察结果把环境反馈写回工作记忆
  6. 06
    校验与收束检查结果、交付或继续循环

未完成？返回理解状态 ↺

OUTSIDE THE WINDOW

长期记忆

数据库、文件、向量检索与知识库，让可验证的信息跨会话留存。

REALITY CHECK

工具与环境

工具调用把语言变成行动；返回结果则把现实重新带回模型眼前。

GOVERNANCE

人类与边界

权限、审批、预算、日志和人工反馈，决定它能行动到哪里以及何时停止。

01 / 诞生于白纸

THE FIRST TOKEN

任务开始时，
它没有昨天。

模型权重提供语言能力与通用知识；但它们不是这次任务的经历。任务级的状态从系统提示和第一条指令开始，随后才逐步写进上下文。

0000System initialized.Context: 0 tokens.

02 / 负重前行

ACCUMULATION IS AGING

MEMORY WEIGHT12.8k

每一次观察、推理与工具调用，都会把新的状态写进上下文。

它不是在回忆，
而是在重新计算。

每生成一步，模型都会以当前上下文为条件计算下一步。上下文愈长，计算成本愈高，重要信息也更可能被淹没在大量无关细节中。

03 / 一屏之内

它能看见的，
只在眼前的
这个窗口里。

ACTIVE CONTEXT63,481 / 128,000 TOKENS

... earlier observations preserved here

tool_result: document found at /memory/archive

assistant: I need to retain the original intention...

user: [truncated by sliding window]

assistant: [summarized: prior investigation]

▌

SLIDING WINDOW ENABLEDATTENTION / DIFFUSE

摘要保留结论，裁切丢失细节。
两者都在重写它能继续使用的过去。

04 / 记忆的尽头

98.7% CAPACITY

OVERFLOW · RESET · SILENCE

每一次落幕，
都是彻底的失忆
与湮灭。

当会话被清空，这次任务的工作记忆就会归零。除非系统另行写入数据库、文件或知识库，否则下一次启动无法继承这段经历。

“以累加为生命，以文字为年轮；未曾真正长眠，每一次落幕都是彻底的失忆与湮灭。”
重新开始 ↑