94 lines
2.5 KiB
Markdown
94 lines
2.5 KiB
Markdown
# Design Decisions
|
||
|
||
## D-001: 不以端到端训练作为第一阶段目标
|
||
|
||
决定：
|
||
第一阶段采用分层架构，不直接训练一个从任务到动作的黑盒大模型。
|
||
|
||
原因：
|
||
- 反馈稀疏
|
||
- credit assignment 困难
|
||
- 数据量不足时容易学偏
|
||
- 可解释性太差，难 debug
|
||
|
||
影响：
|
||
项目先构建 observability、logging、router 和 reward 层。
|
||
|
||
## D-002: 将 memory、skill、tool 统一为候选对象接口，但不混淆类型
|
||
|
||
决定：
|
||
在召回和排序阶段，三者共享统一候选 schema；在存储、执行和评估阶段，保持强类型边界。
|
||
|
||
原因：
|
||
- 统一召回便于路由决策
|
||
- 保持类型边界可避免语义坍塌
|
||
|
||
影响：
|
||
后续 schema 设计需要同时支持统一特征和类型特有字段。
|
||
|
||
## D-003: 记忆分为 facts / procedures / episodes / working 四层
|
||
|
||
决定：
|
||
长期系统至少区分：
|
||
- facts
|
||
- procedures
|
||
- episodes
|
||
- working memory
|
||
|
||
原因：
|
||
“记忆”不是一坨文本，人的有效直觉来自多种记忆系统协同。
|
||
|
||
影响：
|
||
每个写入动作都要先判定落到哪一层，而不是直接塞进统一向量库。
|
||
|
||
## D-004: 先优化路由策略，再考虑学习基础模型内部权重
|
||
|
||
决定：
|
||
学习目标先放在 external policy 上，而不是 foundation model 的参数上。
|
||
|
||
原因：
|
||
- 小模型更便宜
|
||
- 训练更稳定
|
||
- 更容易比较实验结果
|
||
- 更适合本地部署
|
||
|
||
影响：
|
||
需要专门设计 router features、训练样本和离线评估框架。
|
||
|
||
## D-005: reward 必须拆分，不使用单一任务成败信号
|
||
|
||
决定：
|
||
reward 将拆分为 success、efficiency、retrieval_hit、user_correction、tool_error、latency、context_cost 等因子。
|
||
|
||
原因：
|
||
只看任务成功会掩盖大量中间行为质量问题。
|
||
|
||
影响：
|
||
需要事件级 logging，不能只存最终答案。
|
||
|
||
## D-006: 所有学习都建立在可回放轨迹上
|
||
|
||
决定：
|
||
任何策略更新都必须能追溯到完整 trajectory。
|
||
|
||
原因：
|
||
不可回放，就无法排查策略劣化；不可回放，也无法做人类审计。
|
||
|
||
影响：
|
||
trajectory schema 和 replay 工具会成为基础设施，而不是可选项。
|
||
|
||
## D-007: 项目正式命名为 memabra
|
||
|
||
决定：
|
||
项目正式名采用 `memabra`。
|
||
|
||
副标题：
|
||
An intuition-driven control plane for agent memory and action selection.
|
||
|
||
原因：
|
||
- 需要一个可品牌化、可传播的短名
|
||
- 技术本质由副标题补足
|
||
- 避免旧名把项目误导成“单纯记忆管理工具”
|
||
|
||
影响：
|
||
后续所有原型代码、文档、schema 标识、演示材料统一使用 memabra。 |