# Paper Evo：本地 Agent 的记忆与技能自进化体系

> 论文级沉淀 · v3.2（2026-07-24）
> 定位：把 Paper 已落地的 Evo 流程整理成可论证的设计文档。理论框架取自
> **互补学习系统**（CLS）+ **CoALA 记忆分类学**；工程对照取自 **MUSE-Autoskill**
> （arXiv:2605.27366）与先行系统（Voyager / Generative Agents / MemGPT / Reflexion）。
> 版本轨迹：v1 公理+MUSE 对照 → v2 CLS 框架+睡眠巩固+腐蚀风险 → v2.1 自洽性审校
> → v3 认知架构定位（§3.3）+ 先行系统速览（§5.2）+ 评测协议 Evo-Eval（§9）
> → v3.1 补全工程落地目录结构（§4.4）
> → **v3.2 §4.4 升级为公理论证（问题论证+设计问题映射表+代价对策）+ §8 新增风险 #6**。
> **本文档只做设计收敛，不伴随代码实现**；实现分期见 §10 Roadmap。
> 相关规格稿：`design/paper-cli-evo.html`（两级知识布局）、`design/agent-evo.html`（Evo 面板）、
> Claude Artifact `0e11a6b3-07d5-44ae-bb97-2dfa35e3ff1f`（工程性实践的目录结构设计，原稿用
> 「Chaya」旧称，本文统一改写为「Paper」；正文见 §4.4）。

---

## 1. 问题定义

本地 CLI agent（claude / copilot / opencode）默认是**无状态**的：每个会话从零开始，
用户偏好、业务口径、踩过的坑、跑通过的操作路径，全部随会话结束蒸发。
Paper Evo 要解决的问题是：**让同一个工作目录（cwd）上的所有会话——跨 provider、跨时间——
共享一份持续演进的「记忆 + 技能」资产**，并且：

1. 资产质量随使用**上升**而不是堆积腐化（合并、分区、淘汰）；
2. 注入成本**不随资产规模线性膨胀**（token 预算有限）；
3. 一切资产**可审计、可回滚、可迁移**（真源单一、物化可再生）。

MUSE-Autoskill 在同类问题上的核心论断给了外部佐证：把技能当作
「长期、经验感知、可测试的资产」而非静态提示片段，自创技能在 SkillsBench 上
（85.24%）可以超过人写技能（81.17%）。Paper 的路线与其高度同构，但作用域不同：
MUSE 面向单一 agent 框架，Paper 是 **provider 无关的桌面中枢**——资产必须能喂给
任何一家 CLI。

## 2. 设计公理（已拍板，作为后续论证的前提）

| # | 公理 | 含义与理由 |
|---|------|-----------|
| A1 | **真源唯一** | 一切配置/凭证/记忆/技能的权威状态在本地 SQLite（`userData/paper.db`）。文件系统上的 `.md`/`.json` 全部是**可再生的物化视图**——删了会被重写，不落任何密钥。保证可审计、可整体迁移、无双写裂脑。 |
| A2 | **记忆强分区** | 记忆块必须归入固定分区集（协作与语言 / 业务口径 / 架构与流程 / 数据与凭证 / 环境与工具 / 风险与红线，兜底「其他」）。固定集合而非自由发挥：分区漂移比无分区更糟。 |
| A3 | **记忆自动 evict，最新语义为准** | 用户不管理记忆。三层淘汰，优先级自上而下：① 同名 label 覆盖更新；② 语义 evict——被最新对话明确推翻的按名删除（`evict_blocks`），**不受任何保留权重保护**（公理即「最新为准」）；③ 容量硬上限（40 条）内按保留权重淘汰（现行实现 = 纯时近；精化为 时近×提取频率 见 §6.5，属 To-Be）。 |
| A4 | **技能强目的、路径依赖** | 技能 description = 「什么情况下用 + 达成什么」；正文固定体例「目的 / 触发 / 步骤 / 验证」，步骤必须落到真实文件路径、命令、表名。无落点的抽象方法论不是技能。 |
| A5 | **技能免审即用、可删** | 蒸出即 `trusted`、立即可被召回（无人工 approve 门）；用户唯一的管理动作是删除。质量由整合（合并/重写/淘汰）与使用信号兜底，而不是由事前审批兜底。 |
| A6 | **不注入的知识沉淀不存在** | 曾经的 note（不注入的归档笔记）已删除。凡是不进入 agent 上下文路径（常驻注入或按需 Read）的**知识沉淀**，都是维护负担而非资产。范围限定：审计/运维工件（快照、索引、日志）不是知识沉淀，不受本条约束（见 §8.4）。 |
| A7 | **provider 无关** | 资产经由文件（AGENT_MEMORY.md / SKILL.md）+ 注入指引喂给任意 CLI；claude 走 systemPrompt append，ACP 系走 prompt 前缀。不依赖任何一家的原生记忆/技能机制。 |

## 3. 理论框架：互补学习系统（CLS）

### 3.1 理论内核

CLS（McClelland, McNaughton & O'Reilly 1995；Kumaran, Hassabis & McClelland 2016 更新）
的核心主张：**单一学习系统无法同时做到「快速吸收个例」和「稳定保持结构化知识」**
——快学习会灾难性干扰已有结构，慢学习跟不上环境变化。生物脑的解法是双系统分工：

- **海马体（快系统）**：稀疏编码、一次性写入具体情景痕迹，即写即用；
- **新皮层（慢系统）**：通过**离线交错重放**（睡眠期 replay）把海马痕迹缓慢
  整合进结构化 schema，抽象出可泛化的语义知识；
- **两条被反复验证的推论**：与既有 schema 一致的新信息可以快速直接落位
  （schema-consistent fast integration）；被反复**提取**的记忆巩固更深、更抗遗忘
  （retrieval-induced consolidation）。

近年这一框架被系统性移植到 LLM 记忆工程：EVAF（arXiv:2606.29916）用
「快绑定海马库 + 慢巩固皮层库 + 离线重放」双库结构；eMEM（arXiv:2606.03374）把
观察节点当海马痕迹、要点（gist）节点当皮层抽象；HEMA（arXiv:2504.16754）用
「常驻紧凑摘要 + 按需检索的情景库」两级结构；Wake-Sleep Consolidated Learning
（arXiv:2401.08623）把巩固放进显式的「睡眠期」。**Paper Evo 的既有流程在不知不觉中
实现了一个 CLS 同构体**——本节把这个同构关系摆明，让后续优化有理论座标。

### 3.2 Paper ↔ CLS 映射

| CLS 概念 | Paper 机制 | 说明 |
|----------|-----------|------|
| 海马快写（一次性情景痕迹） | **per-turn reflect**：回合结束后台蒸馏，blocks 同名覆盖、技能即蒸即 trusted | 快、便宜（快模型）、即写即用（A5） |
| 皮层慢整合（交错重放 → schema） | **整合 consolidate**：LLM 对全量记忆/技能交错重放、强分区重组、同族合并、体例重写 | 慢、高质量（会话模型）、全库重写 |
| 皮层 schema | **固定分区集**（A2）+ 技能四段体例（A4） | schema 是「知识落位的格子」，固定集合防漂移 |
| schema 一致快落位 | reflect 蒸出的 block **直接带分区**入库 | 与理论预测一致：不必等慢系统才归类 |
| 提取诱导巩固 | `used_skills` 召回计数 → uses≥3 静默晋升 promoted；promoted 受整合保护 | 被反复使用 = 巩固更深、更抗淘汰 |
| 遗忘（未巩固痕迹衰减） | 语义 evict（被新对话推翻）+ 容量 evict（A3）+ note 层删除（A6） | 快系统必须能忘，否则慢系统被垃圾淹没 |
| 睡眠期重放 | **缺口**：目前整合只有手动触发 | → §6.4 睡眠期自动巩固 |
| 常驻摘要 + 按需情景库（HEMA 两级） | **缺口**：AGENT_MEMORY.md 目前全文内联 | → §6.1 技能两级检索（与 MUSE 结论汇合） |

这个映射的价值不在比附，而在**两条可检验的设计推论**：
(1) 快慢两路的质量/成本参数应当**分开调**（已做：reflect 用快模型、整合用会话模型 + 240s）；
(2) 巩固应当发生在「离线期」且由积压量触发，而非依赖用户记得点按钮（未做，见 §6.4）。

### 3.3 认知架构定位：CoALA 记忆分类学

CoALA（*Cognitive Architectures for Language Agents*, arXiv:2309.02427）给语言 agent
的记忆划了四格：**工作记忆**（当前上下文）、**语义记忆**（世界/领域事实）、
**情景记忆**（具体经历）、**程序性记忆**（怎么做）。用它给 Paper 资产定位，
能暴露一个需要主动辩护的设计选择：

| CoALA 记忆类型 | Paper 载体 | 说明 |
|----------------|-----------|------|
| 工作记忆 | 会话上下文 + AGENT_MEMORY.md 注入 | 每回合重建，常驻紧凑（HEMA 意义上的 compact tier） |
| 语义记忆 | **blocks**（强分区） | 领域口径/偏好/红线；A2 的分区 = 语义 schema |
| 程序性记忆 | **skills**（四段体例） | A4 的「强目的、路径依赖」= 程序性知识的定义性特征 |
| 情景记忆 | **刻意薄**：CLI transcript（各 provider 已落盘）+ To-Be 的 `.memory.md` | 见下方辩护 |

**情景记忆薄化的辩护**（这是 A6 删除 note 层后必须回答的问题）：
CoALA 里情景记忆的功能是「供反思与巩固取材」。Paper 的情景原始材料**并未丢失**
——每家 CLI 本来就把完整 transcript 落盘（claude 的 jsonl、opencode 的 SQLite 等），
reflect 正是在其上采矿。我们删除的只是「**蒸馏后仍不注入的中间层**」（note）：
它既不是原始情景（transcript 更全），也不是语义结论（block 才是），在双层之间
没有独立功能，只有维护成本。保留的情景层是**技能绑定的** `.memory.md`（§6.2）——
因为它有明确的注入路径（读技能时顺带读），符合 A6。

## 4. 现状架构（As-Is，2026-07-24 已落地）

### 4.1 数据模型（paper.db）

```
agent_memory(agent_id, kind='block', label, value, tags[0]=分区, uses, updated_at …)
agent_skill (agent_id, name, description, body, keywords,
             maturity ∈ {draft|trusted|promoted|rejected|archived}, uses, source, …)
```

作用域键 `agent_id = cwd:<realDir>`：**目录即作用域**，本目录所有会话（任意 provider）共享。
升格 Agent 只额外贡献人设，不改变作用域模型。

### 4.2 两级文件布局（物化视图）

```
~/.paper/                      用户级中枢
├── skills/<name>/SKILL.md     跨项目通用技能/方法论（Skill Hub 扫描）
├── cwds.json / INDEX.md       出现过的 cwd 注册表 + 人/agent 可读索引
└── cron/ headless/ reflect/   既有约定目录

<cwd>/.paper/                  项目知识包（随目录走，可入 git）
├── AGENT_MEMORY.md            记忆(强分区) + 技能全文 的聚合注入文件（每次会话重生成）
└── agents/skills/<n>/SKILL.md 项目级技能包（外部工具/人工放入，Skill Hub 扫描）
```

启动自检：`~/.paper/.schema.json` 版本戳落后 → 升级动画 + 全量重建索引。

### 4.3 生命周期（当前闭环）

```
会话回合结束
  └─ reflect（headless 快模型蒸馏，best-effort）          ← CLS 快系统
       ├─ blocks：写入/同名覆盖（带分区，schema 直落位）
       ├─ evict_blocks：删除被本轮推翻的旧块 + 容量兜底淘汰
       ├─ skill：induceSkill → 直接 trusted（免审即用）
       ├─ skill_revisions / vetoes：负反馈闭环
       └─ used_skills：召回计数（uses≥3 静默晋升 promoted）  ← 提取诱导巩固
  └─ writeMemoryFile：重生成 <cwd>/.paper/AGENT_MEMORY.md
       └─ noteCwd：登记 ~/.paper/cwds.json + INDEX.md
每次发送/预热
  └─ 注入指引「先读 ./.paper/AGENT_MEMORY.md」（claude=系统提示；ACP=前缀）
用户手动「整合」（一个流程，两段进度）                      ← CLS 慢系统
  ├─ 记忆：LLM 全量交错重放 → 强分区 + 大幅合并（≤2/3）+ 矛盾以新胜旧 + notes 退场
  └─ 技能：同目的家族合并 + 固定体例重写 + 无落点者淘汰(archived)
             保护栏：promoted / 高用量 trusted 不可淘汰
```

实测（`~/ad/call-back`，真实数据）：记忆 14+9 → 10 条强分区块；技能 14 → 8，
三个诊断类并入一个（uses 75→80 累加），体例统一为「目的/触发/步骤/验证」。

### 4.4 工程性实践的目录结构设计：文件系统即公理的物理投影

> 来源：Claude Artifact `0e11a6b3-07d5-44ae-bb97-2dfa35e3ff1f`（原稿以「Chaya」为产品旧称，
> 本节改写为「Paper」以与全文一致）。§4.2 给出两级布局骨架后本节要回答的问题是：
> **为什么是这套目录切法，而不是任意其它切法**——目录结构不是任意的工程习惯，
> 而是 §2 七条公理在文件系统上的**唯一自洽落点**；本节先给出这个论证，再落到
> 数据流与来源清单的工程细节。

**问题论证——目录切法不是自由度**：一旦接受 A1（真源唯一，文件皆物化视图）+
A7（provider 无关，靠文件而非私有 API 传递资产），文件系统层面立刻出现三个
必须回答、且答案相互制约的问题：① 什么粒度物化成文件（全量 vs 按需）；
② 物化产物按什么维度切分目录（否则退化为单一大文件，违反 §6.1 论证过的
注入成本 O(资产总量) 病灶）；③ 全局资产（跨 cwd 复用）与局部资产（随 cwd 走、
可入 git、可随项目转手）如何在同一文件系统命名空间里不打架。CoALA 把工作记忆
定义为「每回合从长期存储装配的当前上下文」——文件系统在这里扮演的正是**长期
存储到工作记忆之间的装配层**（MemGPT 式分页的静态形态：分页在 MemGPT 里由
函数调用驱动，Paper 里由「目录行 + agent 自主 Read」驱动，见 §5.2）。
两级布局（中枢/知识包）与本节的目录粒度，正是对①②③的具体回答：

| 设计问题 | 回答 | 对应公理/理论 |
|---------|------|--------------|
| 全局 vs 局部资产命名空间 | `~/.paper/`（中枢，跨 cwd）与 `<cwd>/.paper/`（知识包，随目录，可入 git）物理分离 | A2 隐含的作用域边界；`agent_id=cwd:<dir>` 的文件系统镜像 |
| 装配层粒度 | 目录级（每技能一个子目录）而非文件级或单文件级 | §6.1 两级检索的物化前提——没有目录切分，"目录行+按需 Read"无从谈起 |
| 常驻 vs 按需 | `AGENT_MEMORY.md`（每会话常驻注入）vs `SKILL.md`/`.memory.md`（目录行引用、按需 Read） | CoALA 工作记忆 vs 长期存储的分野；MemGPT 分页类比 |
| 审计工件 vs 知识沉淀 | `snapshots/` 独立于两级布局之外，不参与注入 | A6「不注入的知识沉淀不存在」的例外条款（§8.4）：审计工件不算知识沉淀 |
| 外来文件如何不越界 | `AGENTS.md`/`evo/` 等外部系统产物与 Paper 物化视图**同目录并存但字段互斥** | A7 的推论：provider 无关不等于排他，而是「各自地盘互不改写」 |

**两级布局职责边界**：左边（`~/.paper/`）跨项目，右边（`<cwd>/.paper/`）跟着项目走；
两边都是「agent 可读的普通文件」——任何 provider（claude / copilot / opencode）都能
直接 `Read`，不依赖任何一家的私有记忆机制（呼应 A7）。

```
~/.paper/                          中枢 · 跨项目（Paper 自己的东西：通用能力 + 全局索引）
├── skills/<name>/SKILL.md         通用技能/方法论，全项目可见（新增）
├── INDEX.md                       人/agent 可读索引：技能清单 + 项目概览（新增）
├── cwds.json                      出现过的 cwd 注册表：活跃时间/记忆·技能计数（新增）
├── cron/                          定时任务脚本与日志（既有）
├── headless/                      一次性补全的隔离 cwd（既有）
├── reflect/                       自进化蒸馏的隔离 cwd（既有）
└── snapshots/                     整合前 DB 快照，审计工件（§8.4，既有）

<cwd>/.paper/                      知识包 · 每个项目（这个项目学到的东西：随目录走、可入 git）
├── AGENT_MEMORY.md                长期记忆：分区 block + trusted+ 技能目录/正文（每次会话重生成）
├── agents/skills/<name>/SKILL.md  项目级技能包：正文 + 配套脚本，Skill Hub 接入（既有/§6.1 修复）
├── agents/skills/<name>/.memory.md 技能级经验，点前缀不进 Skill Hub 导入（§6.2 新增）
├── AGENTS.md                      项目指引（root CLAUDE.md 的源）——外来文件，Paper 不读不写
└── evo/                           外部自进化引擎（如仍存在）状态目录——外来，互不相扰
```

**真源原则重申**：偏好/技能成熟度/凭证全部住在 `userData/paper.db`
（`kv` + `secrets` + `agent_memory` + `agent_skill`）；上面所有 `.md`/`.json`
都是可再生的物化视图——删了会被下次会话重写，密钥永远不落文件系统（A1）。

**数据流三条链路**（均在「发送/预热」时顺带完成，无需手动维护）：

| 链路 | 触发时机 | 产物 | 说明 |
|------|---------|------|------|
| 记忆物化 | 每次会话（`agent_id=cwd:<目录>` 作用域） | `<cwd>/.paper/AGENT_MEMORY.md` | 分区 block + trusted+ 技能拼成单文件，每次覆写，文件头声明「请勿手改」 |
| 中枢登记 | 写记忆文件时顺带（60s 节流） | `~/.paper/cwds.json` + `~/.paper/INDEX.md` | 登记该 cwd 出现过、最近活跃、记忆/技能计数、知识包路径；INDEX.md 按最近活跃排序 |
| 会话注入 | 每次发送/预热 | 无文件产物，仅注入指引 | claude → systemPrompt append；copilot/opencode → prompt 前缀；指引为「先读 `./.paper/AGENT_MEMORY.md`」。目录常开（cwd 即作用域），不要求升格 Agent——升格只额外加人设 |

**Skill Hub 五个来源**（统一扫成 Paper 技能，对所有 provider 生效；项目级技能只在
自己项目的会话里出现，不同项目允许同名）：

| 来源目录 | 归属 | 作用域 | 状态 |
|---------|------|--------|------|
| `~/.claude/skills/*/SKILL.md` | Claude CLI 安装 | 全局 | 既有 |
| `~/.claude/commands/**.md` | Claude 自定义命令 | 全局 | 既有 |
| `~/.copilot/prompts/*.md` | Copilot 自定义 prompt | 全局 | 既有 |
| `~/.paper/skills/*/SKILL.md` | Paper 通用方法论 | 全局 | 新增（§4.2 中枢） |
| `<cwd>/.paper/agents/skills/*/SKILL.md` | 项目知识包 | 仅该项目 | §6.1 自蒸技能物化落点 |

技能包目录里除 `SKILL.md` 还有配套文件（脚本/SQL/参考）时，正文头部自动注明
「技能包目录：…」，agent 会去该目录读相对路径文件——与 §7「不借鉴清单」里
`resources/`/`references/` 一条并不冲突：**外部技能包**允许自带任意配套文件，
仅**自蒸技能**默认只生成正文 + `.memory.md`，物化面不主动扩大。

**与外部系统共存的边界**：若项目里已存在其它自进化引擎写入的 `<cwd>/.paper/evo/`
或类似目录，Paper 不读不写，视为外来目录；`AGENTS.md`（root `CLAUDE.md` 的源）
同理只被 claude 系读取，Paper 既不生成也不消费——这类外来文件与 Paper 的物化视图
在同一 `.paper/` 目录下并存但互不相扰，是「provider 无关」（A7）在文件系统层面的
体现：不同 CLI/引擎各自维护自己的地盘，Paper 只负责自己那部分的读写与重生成。

**代价与对策**：把公理落到具体目录名意味着**目录结构本身也是需要维护的接口**——
改名/挪位会破坏所有已注入的「先读 `./.paper/AGENT_MEMORY.md`」指引与已生成的
交叉引用（技能目录行里的相对路径）。对策：目录名一旦发布视为**稳定 ABI**，
只增不改（如需重排，走一次性迁移脚本 + 版本戳升级，复用 §4.2 已有的
`~/.paper/.schema.json` 版本戳升级机制，而非临时改名）。另一开放问题（`AGENTS.md`
只被 claude 系读取、copilot/opencode 读不到项目指引）已计入 §8 第 6 条，
不在本节重复展开。

## 5. 相关工作对照

### 5.1 MUSE-Autoskill：逐机制评估

| 机制 | MUSE-Autoskill | Paper As-Is | 评估 |
|------|----------------|-------------|------|
| 技能资产观 | 长期、经验感知、可测试的资产 | 长期资产 ✓（经验、测试缺失） | 部分对齐 |
| 技能格式 | Anthropic Agent Skills（`SKILL.md` 目录，kebab-case） | 外部技能包同格式 ✓；**自蒸技能只存 DB，无 SKILL.md** | 差距 → §6.1 |
| 检索注入 | **两级**：目录（名+述，~5-10K tokens/100 技能）注入 + `read_skill` 按需拉全文 | **一级**：trusted+ 技能**全文**内联进 AGENT_MEMORY.md | 差距 → §6.1（膨胀风险） |
| 技能经验 | 每技能 `.memory.md` 跨任务累积教训/坑/格式怪癖 | 无（只有 uses 计数） | 差距 → §6.2 |
| 验证门 | 代码技能 tests/ 沙盒必过才注册；失败触发 update 循环 | 无验证；质量靠整合与使用信号 | 差距 → §6.3（降档） |
| 质量维护 | 改进（失败修订）/ 合并去重 / 修剪不用 | 整合（合并+重写+淘汰）+ 自动 evict ✓ | 对齐 |
| 免审即用 | 注册即可召回 | trusted 即用 ✓ | 对齐 |
| 负反馈 | 失败触发再生成 | 用户纠错 → revise/veto ✓（缺自动失败信号） | 部分对齐 |
| 转移性 | 技能可被任何认识格式的 agent 加载 | provider 无关注入 ✓ + Skill Hub 五来源 ✓ | 对齐（甚至更广） |
| 记忆分区 | 未强调 | 固定分区集 ✓（CLS：皮层 schema） | Paper 特有 |
| 语义 evict | 未强调（长期记忆只增） | evict_blocks + 容量上限 ✓（CLS：遗忘机制） | Paper 特有 |
| 离线巩固节律 | 未强调 | 手动触发 | 双方缺口 → §6.4（CLS 独有推论） |

**结论**：管理面（合并/淘汰/免审/转移）Paper 已对齐或超出。共五个差距：
**检索面（两级目录）、经验面（per-skill memory）、验证面（测试门，降档）来自 MUSE；
巩固节律（睡眠期）、保留权重（提取频率）来自 CLS**——构成 §6.1–6.5 的主体，
§6.6 为独立小幅补强。

### 5.2 其它先行系统速览（取长与规避）

| 系统 | 核心机制 | 对 Paper 的启示 | 对其弱点的规避 |
|------|----------|----------------|----------------|
| **Voyager** (arXiv:2305.16291) | 只增不减的技能库 + embedding 检索，Minecraft 上验证技能复用带来能力复利 | 技能库路线的最早力证；「技能即代码/SOP 资产」同源 | 技能库**无界增长、无合并淘汰**——正是我们整合/evict 要解决的腐化问题（§4.3 已做） |
| **Generative Agents** (arXiv:2304.03442) | 记忆流 + 周期性 reflection 升华高层结论；检索打分 = **recency × importance × relevance** | reflection 即我们的 reflect；其三因子检索分是 §6.5 保留权重（时近×提取频率×分区加权）的先行版本——importance ≈ 红线分区加权，relevance-by-usage ≈ uses | 其记忆流只增不减、靠检索排序掩盖膨胀；我们直接 evict（A3），注入预算更硬 |
| **MemGPT** (arXiv:2310.08560) | OS 式分页：主上下文（常驻）/ 外部存储（按需换入） | 两级检索（§6.1）的另一独立佐证：常驻层必须紧凑，全文按需换入 | 其换页由模型自主函数调用驱动，复杂且易抖动；我们用「目录行 + agent 自主 Read」达成同效，零新增机制（CLI 天然有 Read） |
| **Reflexion** (arXiv:2303.11366) | 失败后言语自反思，写入记忆供下次尝试 | 负反馈闭环（revise/veto + §6.2 lesson 通道）的同型机制 | 其反思绑定单任务重试；我们的 lesson 沉淀到技能级、跨任务生效 |

一句话综合：**先行系统各自验证了我们某一段设计的可行性；它们共同的未解问题
（记忆/技能只增不减导致的腐化与膨胀）恰是 Paper 用 A3/A5/A6 + 整合流程正面回答的部分。**

## 6. 目标设计（To-Be）

> 注：本节各小节不再自带期数编号——实现分期唯一以 §10 Roadmap 为准（v2 曾在标题里
> 标 P 编号，与 Roadmap 排期打架，v2.1 起去除）。

### 6.1 技能目录化注入（两级检索）——最高优先

**问题论证**：当前 AGENT_MEMORY.md 内联全部 trusted+ 技能正文。单个整合后技能
正文约 0.5–2K 字，call-back 现有 8 个活跃技能已 ~10K 字；按 A5（免审即用）技能只会
更多。全文内联使**注入成本 O(技能总字数)**，与 MUSE 指出的 500K/100 技能同一病灶；
在 CLS 座标里这是把整个情景库塞进「常驻摘要」，HEMA 的两级结构（常驻紧凑 + 按需检索）
是同一结论的第三方版本。

**设计**（沿用 MUSE 两级，落到 Paper 结构上）：

1. **自蒸技能物化为 SKILL.md 目录**：`<cwd>/.paper/agents/skills/<name>/SKILL.md`
   （frontmatter：name/description/keywords + 正文四段体例）。
   - 与外部知识包、`~/.paper/skills/`、Anthropic 格式**完全同构**——Skill Hub
     现有扫描器零改动即可吃；转移性免费获得（论文 §转移实验的同款收益）。
   - **决策变更声明**：推翻早期「不做 skill 物化」决策。当时理由是避免双真源；
     现按 A1 化解——**DB 仍是唯一真源**（maturity/uses/整合状态），SKILL.md 是
     writeMemoryFile 同批重生成的物化视图，删改无效、下轮重写。
2. **AGENT_MEMORY.md 的技能段降为目录**：每技能一行
   `- <name>（触发词…）：何时用+达成什么 → ./.paper/agents/skills/<name>/SKILL.md`，
   注入指引追加一句「命中触发场景时先 Read 对应 SKILL.md 全文再执行」。
   - 注入成本变为 **O(技能数 × 一行)**；正文按需读取（agent 本来就有 Read 工具，
     不需要 MUSE 的专用 `read_skill`——这是 CLI agent 场景的天然优势）。
3. **淘汰与合并联动**：archived/rejected 技能不物化；整合改名/合并时删旧
   SKILL.md 目录，但**同目录的 `.memory.md`（§6.2 技能经验）必须先按 merged_from
   归并进新技能的 `.memory.md`**，再删目录——经验是跨任务积累的资产，不能随合并蒸发
   （真源侧同步：`skill_note` 条目改挂新技能名）。

**代价与对策**：agent 可能不去读全文就凭目录行硬做 → 目录行必须含触发词与
一句话步骤概要（强目的的 description 本来就该做到，A4 已保证）。
混合内联（promoted 技能保留全文作快路径，呼应 CLS「高频提取巩固进快通路」）
**默认关闭**：promoted 恰恰多为正文最长的技能（call-back 的 callback-health-diagnosis
即最大单体），默认内联会直接吃掉两级化的收益；仅当技能正文 ≤1K 字时才作为可选项，
上限 2 个。

### 6.2 技能级经验：`.memory.md`

**问题论证**：技能正文是「怎么做」，但跨任务的**执行经验**（已知坑、环境怪癖、
输入格式陷阱）目前只能靠整合时被动混入正文，粒度错位且易丢。
MUSE 的 per-skill `.memory.md` 把经验与技能绑定，加载技能时一并呈现；
在 CLS 座标里这是「围绕既有 schema 的情景痕迹」——落位快、待慢系统折叠。

**设计**：
1. 技能目录内增 `<name>/.memory.md`（点号前缀：不算技能内容、不进 Skill Hub 导入）。
2. **写入口**：reflect 已回报 `used_skills`；扩展为
   `used_skills: [{name, lesson?}]`——本轮若对该技能产生了新教训（失败原因、
   参数怪癖、更优路径），蒸馏出一句话 lesson，追加进对应 `.memory.md`（带日期）。
3. **读入口**：AGENT_MEMORY.md 技能目录行尾标注「有经验注记」；注入指引说明
   读 SKILL.md 时顺带读同目录 `.memory.md`。
4. **收敛**：`.memory.md` 超过 ~20 条时由整合流程折叠——可固化的教训升级进
   SKILL.md 的步骤/验证段（情景痕迹巩固为 schema），其余合并压缩（最新为准）。
5. 真源仍在 DB：经验条目落 `agent_memory(kind='skill_note', label=<skillName>)`，
   `.memory.md` 是物化视图（A1 一致）。

### 6.3 验证信号（分级测试门）——降档借鉴

MUSE 的强门槛（tests 必过才注册）依赖其封闭沙盒。Paper 的技能多为**跨系统操作
SOP**（查 SLS、发 MR、改配置表），不可能离线单测。照搬会把 A5（免审即用）变回审批制。

**降档设计**（信号分级，不设注册门）：
1. **体例校验（静态，蒸出即查）**：四段体例齐全？步骤里是否含至少一个真实落点
   （路径/命令/表名的模式匹配）？不达标打 `unverified` 标记（仍可用，整合时优先重写/淘汰）。
2. **使用反馈（运行时）**：召回后回合失败/用户纠错 → reflect 的 revise/veto 闭环
   （已有）+ 写入 `.memory.md`（§6.2）。uses 高且无负反馈 ≈ 通过了「真实世界测试」，
   这正是 promoted 的语义——**把晋升解释为验证等级**（提取诱导巩固），而非权限等级。
3. **可选 tests/**：技能若自带可执行校验脚本（如 health_snapshot.py 自检），
   整合时在 headless 会话里跑一次，失败触发重写。仅对带 tests/ 的技能启用。

### 6.4 睡眠期自动巩固（CLS 新增）

**问题论证**：CLS 的巩固发生在离线重放期，由积压驱动；Wake-Sleep Consolidated
Learning 与 EVAF 都把「off-task 期重放」做成显式机制。Paper 目前的整合**只有手动
按钮**——快系统持续堆积，慢系统是否运转取决于用户是否记得点。这违背双系统模型的
基本节律，也是堆积腐化（问题定义 #1）的直接来源。

**设计**（条件触发的后台巩固，非定时器轰炸）：
1. **积压触发**：自上次整合起，新增/变更 block ≥8 或 新技能 ≥3；或
   （距上次整合 ≥7 天 **且** 存在至少 1 条未巩固变更）→ 标记该 cwd「待巩固」。
   时间条件必须伴随变更：零积压时重写全库没有收益、只有 §8.4 的腐蚀风险。
2. **离线窗口**：该 cwd 无会话在跑、且 app 空闲（无前台回合）持续 ≥10 分钟 →
   后台 headless 依次跑 记忆整合 → 技能整合（复用现有 consolidate 全套，含保护栏）。
3. **额度护栏**（自动巩固花的是用户的 LLM 额度，必须有节制）：
   总开关默认开、设置可关；claude 订阅额度高占用（usage gauge ≥80%）时本窗口跳过；
   多 cwd 待巩固时串行执行且全局单飞；同 cwd 频率下限 ≥24h（§8.4(c)）。
4. **可感知不打扰**：完成后一条 toast（「睡眠巩固：记忆 14→10 · 技能 +2 合并」）+
   INDEX.md 记一行；Evo 面板显示「上次巩固」时间戳。失败静默，下个窗口重试。
5. **手动按钮保留**：语义变为「立刻巩固」，与自动机制共用管道与锁（同 cwd 单飞）。

### 6.5 保留权重 = 时近 × 提取频率（A3 第③层精化，CLS 新增）

**问题论证**：当前容量 evict 纯按 `updated_at`（最旧先淘汰）。CLS 的巩固强度由
**提取频率**主导——一条很久没被改写、但每次会话都在起作用的口径（如金额单位红线），
按纯时近制会被错误淘汰。这是 A3「最新语义为准」的一个已知盲区。

**设计**：
0. **作用域限定**：保留权重只作用于 A3 第③层（容量淘汰）。第②层语义 evict
   （被最新对话明确推翻）**无条件执行、不受 uses 保护**——否则「高频旧口径」会
   压过「用户刚刚的更正」，直接违背 A3 公理。
1. eviction score = `w1·recency_rank + w2·uses_rank`（初值 w1=0.7, w2=0.3；
   uses 高者受保护，类比 promoted 技能不可淘汰）。先例佐证：Generative Agents 的
   检索三因子 recency × importance × relevance——本设计的 时近 × 提取频率 ×
   红线分区加权（§6.5.3）与之逐项同构，只是用途从「检索排序」换成「保留淘汰」。
2. **前提缺口**：blocks 目前没有使用信号。补法与 used_skills 同构——reflect 回报
   `used_blocks: [label]`（本轮真正影响了作答的记忆块），落 `agent_memory.uses`。
   成本：reflect 提示词 +1 字段，蒸馏负担可忽略。
3. 「风险与红线」分区加权保护（w2 上浮）：红线类记忆被误淘汰的代价不对称。

### 6.6 记忆侧其余（维持现状，小幅补强）

分区容量配额（如「其他」区 ≤5 条，防未归区堆积）；evict 决策写入 INDEX.md 变更行（可审计）。

## 7. 不借鉴清单（明确说不，防止范围蔓延）

| 机制 | 出处 | 不借鉴理由 |
|-----------|------|-----------|
| 专用 `skill_create`/`read_skill`/`update_skill` 工具 | MUSE | CLI agent 已有 Write/Read/Edit；技能创建走 reflect 蒸馏 + 整合重写，不给 agent 直接造技能的工具（防技能库被单轮对话污染，蒸馏是我们的质量闸门）。 |
| 注册前强制测试门 | MUSE | 与 A5 冲突；SOP 类技能不可离线测。降档为 §6.3 信号分级。 |
| resources/ references/ 完整目录规范 | MUSE | 允许存在（外部技能包已在用），但自蒸技能不主动生成——正文四段体例 + .memory.md 已够，避免物化面扩大。 |
| 向量检索情景库（embedding recall） | HEMA/eMEM | 单 cwd 资产规模（几十条）远未到需要向量召回的量级；目录行 + agent 自主 Read 已够。规模跨过阈值前引入只添基础设施负担。 |
| 参数化巩固（把记忆蒸进模型权重） | EVAF 等 | Paper 不掌握模型权重（provider 无关是公理 A7）；巩固只发生在数据层。 |

## 8. 风险与开放问题

1. **两级检索的读取遵从性**：agent 不读全文就动手。缓解：目录行含步骤概要 +
   promoted 快路径内联；后续可在 reflect 中检测「未读技能却命中触发词」作为负信号。
2. **物化一致性**：SKILL.md 目录与 DB 漂移（用户手改/外部工具写入同名目录）。
   规则：`agents/skills/` 下**自蒸技能**目录头部标注自动维护；同名冲突时外部文件让位
   （改名导入），DB 真源不动摇。
3. **跨项目技能上移**：cwd 技能何时升为 `~/.paper/skills/` 通用方法论？
   暂定人工动作（Evo 面板「升为通用」），不自动——通用化错误的代价高于收益。
4. **重写腐蚀（有文献依据的新风险）**：*Useful Memories Become Faulty When
   Continuously Updated by LLMs*（arXiv:2605.12978）实证：LLM 连续重写会让记忆的
   事实性逐步劣化——而我们的整合正是「LLM 全量重写 + 事务替换」，且 §6.4 会把重写
   频率从手动提到自动。**对策**：(a) 整合前 DB 级快照（`agent_memory`/`agent_skill`
   按 agent_id 导出 JSON 存 `~/.paper/snapshots/`，保留最近 N 份，可一键回滚）。
   类别说明：快照是**审计工件**而非知识沉淀或物化视图——不受 A6 约束，也不属于
   A1 的「可再生视图」（历史态本就不可再生，快照正是为此存在），但同样遵守
   A1 的不落密钥底线；
   (b) 「不发明输入外新事实」保持为提示词硬规则；(c) 睡眠巩固设频率下限
   （同 cwd ≥24h 间隔），避免高频重写累积漂移；(d) promoted/红线类的保护栏已在。
5. **评测口径**：我们没有 SkillsBench。可行替身：整合前后同任务重放对比、
   技能召回率（used_skills / 会话数）、注入 token 曲线、快照 diff 的事实性抽查
   （对 8.4 的直接度量）。完整协议见 §9。
6. **`AGENTS.md` 跨 provider 碎片化**（§4.4 目录设计暴露的新问题）：项目指引文件
   `AGENTS.md` 目前只被 claude 系读取（对应 root `CLAUDE.md`），copilot/opencode
   并不消费同一份项目指引，导致「同一 cwd、不同 provider 看到的项目上下文不一致」
   ——这与 A7（provider 无关）的精神有张力，但**不是** Paper Evo 资产层的问题：
   `AGENTS.md` 是外来文件（Paper 不生成不消费，见 §4.4「与外部系统共存的边界」），
   真正需要 provider 无关的是 Paper 自己的 `AGENT_MEMORY.md`/`SKILL.md`（已通过
   systemPrompt append / prompt 前缀双通道解决，§4.2）。此项暂定**不修复**：
   若要修，方案是给非 claude provider 也建一条「读 `AGENTS.md`」的注入指引，
   但这会让 Paper 反向依赖一个自己不产出的外来文件格式，风险是外来文件一旦缺失
   或格式变化即注入失败——留作开放问题，不纳入 Roadmap。

## 9. 评测协议：Evo-Eval（P5 的完整定义）

没有 SkillsBench/LongMemEval 的实验条件，但可以把它们的**能力维度**移植成
本地可执行的轻量协议。LongMemEval 把长期记忆拆成五项能力：信息抽取、
跨会话推理、时间推理、**知识更新**、**拒答**；LongMemEval-V2 进一步把目标
定义为「memory 让 agent 成为有经验的同事」——与 Paper「cwd 资产 = 项目老手」
的愿景同构。据此定义五个可本地度量的指标，全部**离线可跑**（headless 会话 +
DB/文件断言，不依赖外部评测服务）：

| # | 指标 | 方法 | 对应能力/风险 | 通过线（初值） |
|---|------|------|--------------|---------------|
| E1 | **记忆保持** | 种子 block 注入后，隔 K 个无关会话提问其内容，headless 判卷是否命中 | LongMemEval·信息抽取 | 命中 ≥90% |
| E2 | **知识更新** | 会话中明确更正某口径 → 检查旧 block 被 evict/覆盖，且下一会话不再复述旧口径 | LongMemEval·knowledge update；A3 | 旧口径复现 = 0 |
| E3 | **事实保真** | 整合前后快照 diff，抽样 n 条断言逐条溯源到输入（无中生有 = fail） | 拒答/不臆造；§8.4 腐蚀 | 无来源断言 ≤2% |
| E4 | **技能召回** | 构造命中触发词的任务，检查 agent 是否读取对应 SKILL.md 并按步骤执行（used_skills 回报佐证） | 程序性记忆有效性；§6.1 读取遵从 | 召回率 ≥70% |
| E5 | **注入预算** | AGENT_MEMORY.md 字节数随资产规模的曲线（每次整合后记录进 INDEX.md） | 问题定义 #2；§6.1 | 次线性增长 |

执行安排：E5 零成本随整合自动记录；E1/E2/E4 做成可手动触发的自检脚本
（headless，一次 ~3-5 个会话额度）；E3 绑定快照机制（§8.4），整合后抽查。
不追求统计显著——这是**回归护栏**（防设计迭代把某能力改坏），不是论文实验。

## 10. Roadmap

| 期 | 内容 | 来源 | 验收 |
|----|------|------|------|
| P1 | 技能物化 SKILL.md + AGENT_MEMORY.md 技能段目录化（混合内联默认关） | MUSE/HEMA | call-back 技能段注入体积下降 ≥60%（按纯目录模式计）；技能召回行为无回归 |
| P2 | `.memory.md` 技能经验（reflect lesson 通道 + 整合折叠） | MUSE/CLS | 技能连续使用 3 次后 .memory.md 出现有效注记 |
| P3 | 睡眠期自动巩固（积压+空闲触发，≥24h 频率下限）+ 整合前快照/回滚 | CLS + 8.4 | 无人工干预下待巩固 cwd 在 48h 内被自动整合；快照可回滚 |
| P4 | 保留权重（used_blocks 信号 + 分区加权）+ 验证信号分级（体例校验 / 可选 tests/） | CLS + MUSE | 高 uses 记忆在容量淘汰中存活；unverified 技能在下次整合中被优先处理 |
| P5 | Evo-Eval 评测协议落地（§9：E1 保持 / E2 更新 / E3 保真 / E4 召回 / E5 预算） | LongMemEval 系 | E5 随整合自动记录；E1-E4 自检脚本可跑并达通过线 |

## 11. 参考

**理论**
- McClelland, McNaughton & O'Reilly (1995). *Why There Are Complementary Learning Systems in the Hippocampus and Neocortex*. Psychological Review.（CLS 原始提出：快慢双系统与灾难性干扰论证）
- Kumaran, Hassabis & McClelland (2016). *What Learning Systems Do Intelligent Agents Need? Complementary Learning Systems Theory Updated*. Trends in Cognitive Sciences.（CLS 面向智能体的更新：重放、schema 一致快落位）

**认知架构与先行系统**
- CoALA: Sumers et al., *Cognitive Architectures for Language Agents* (arXiv:2309.02427)：工作/语义/情景/程序性记忆分类学（§3.3 定位框架）。
- Voyager (arXiv:2305.16291)：技能库路线最早力证；其无界增长弱点是我们整合/evict 的反面教材（§5.2）。
- Generative Agents (arXiv:2304.03442)：reflection 机制 + recency×importance×relevance 检索三因子（§6.5 保留权重的先行版本）。
- MemGPT (arXiv:2310.08560)：OS 式分页两级记忆（§6.1 的独立佐证）。
- Reflexion (arXiv:2303.11366)：言语自反思负反馈（revise/veto 与 lesson 通道的同型机制）。

**评测**
- LongMemEval (arXiv:2410.10813)：长期记忆五能力分解（信息抽取/跨会话/时间/知识更新/拒答），§9 协议的能力模板。
- LongMemEval-V2 (arXiv:2605.12493)：「memory 使 agent 成为有经验同事」的评测定位（与 cwd 资产愿景同构）。
- LoCoMo (arXiv:2402.17753)：多会话长程对话记忆基准。

**工程对照**
- MUSE-Autoskill (arXiv:2605.27366)：技能生命周期、两级目录检索、per-skill `.memory.md`、测试门、Agent Skills 格式转移性。
- HEMA (arXiv:2504.16754)：常驻紧凑摘要 + 按需情景库的两级记忆（§6.1 的第三方佐证）。
- Wake-Sleep Consolidated Learning (arXiv:2401.08623)、EVAF (arXiv:2606.29916)：显式睡眠期/离线重放巩固（§6.4 依据）。
- eMEM (arXiv:2606.03374)：海马痕迹节点 / 皮层要点节点二分（§3.2 映射的同类实现）。

**风险依据**
- *Useful Memories Become Faulty When Continuously Updated by LLMs* (arXiv:2605.12978)：LLM 连续重写腐蚀记忆事实性（§8.4 快照/频率下限的直接动因）。

**Paper 内部**
- `design/paper-cli-evo.html`（两级知识布局与真源原则）、`design/agent-evo.html`（Evo 面板规格）、`CLAUDE.md`（知识体系小节）。

---

## 附：审校记录

### v2.1 审校（自洽性 / 合理性）

**自洽性修复**
1. A3 曾把 To-Be 的保留权重写成现状，与 §6.5「现行纯按 updated_at」自相矛盾 → A3 改为分层表述并标注现状/To-Be；同时明确三层淘汰的优先级。
2. §5 结论「四个差距构成 §6 全部内容」计数错（验证门也是表中差距）→ 改为五个差距 + §6.6 独立补强。
3. §6 各节标题自带 P 编号与 §9 Roadmap 期数冲突（如验证信号标 P3、Roadmap 排 P4）→ 标题去编号，期数唯一以 Roadmap 为准。
4. §6.1「合并时删旧目录」会连带删掉 §6.2 的 `.memory.md` 经验 → 增加合并时经验按 merged_from 归并的规则（真源侧 skill_note 同步改挂）。
5. §6.4 时间触发（≥7 天）单独成立时零积压也会全库重写，与 §8.4 降低无谓重写的对策矛盾 → 时间条件必须伴随 ≥1 条未巩固变更。
6. A6「不注入的资产不存在」与 §8.4 快照字面冲突；A1「一切文件皆可再生视图」与快照（历史态不可再生）类别混淆 → A6 限定为知识沉淀、快照定义为审计工件（仍守不落密钥底线）。
7. §6.5 未写明与语义 evict 的优先级——uses 保护若挡住 evict_blocks 会违背 A3 → 新增作用域限定：语义 evict 无条件优先。

**合理性补强**
8. §6.1 混合内联 promoted 与 P1 验收（≥60% 缩减）张力：promoted 恰是正文最长的技能 → 混合内联默认关闭、仅 ≤1K 字者候选且上限 2 个；验收按纯目录模式计。
9. §6.4 自动巩固消耗用户 LLM 额度却无节制手段 → 新增额度护栏：总开关可关、usage ≥80% 跳过、多 cwd 串行全局单飞、≥24h 频率下限。

### v3 演化与审校（2026-07-24）

**演化增量**
- §3.3 CoALA 记忆分类学定位：blocks=语义、skills=程序性、工作记忆=注入层；**情景记忆薄化**从「A6 的副作用」升级为有辩护的设计选择（原始情景在 CLI transcript 从未丢失，note 只是无功能的中间层；保留的情景层 = 有注入路径的 `.memory.md`）。
- §5.2 先行系统速览：Voyager/Generative Agents/MemGPT/Reflexion 各自佐证一段设计，其共同未解问题（只增不减的腐化膨胀）恰是 A3/A5/A6+整合正面回答的部分。
- §6.5 补 Generative Agents 三因子先例（recency×importance×relevance ↔ 时近×提取频率×分区加权）。
- §9 Evo-Eval：把 LongMemEval 五能力移植成五个本地可跑指标（E1 保持/E2 更新/E3 保真/E4 召回/E5 预算），定位为回归护栏而非论文实验；Roadmap P5 落到实处。

**v3 自查**
10. 情景记忆缺位与 A6 的表面冲突 → §3.3 显式辩护（transcript 为原始情景层，删的是无注入路径的中间层），A6 无需修改。
11. 章节重编号（评测协议插为 §9，Roadmap→§10、参考→§11）后全文交叉引用已扫描更新；v2.1 审校记录中对旧「§9 Roadmap」的表述为历史陈述，保留原文。
12. Evo-Eval 的 headless 判卷本身消耗额度 → 协议标注单次成本（~3-5 会话额度）且 E5 零成本自动化，E1-E4 仅手动触发，与 §6.4 额度护栏原则一致。

### v3.1 补充（2026-07-24）

- 新增 §4.4「工程性实践的目录结构设计」：内容取自用户提供的 Claude Artifact
  （`0e11a6b3-07d5-44ae-bb97-2dfa35e3ff1f`，原稿用产品旧称「Chaya」，已统一改写为
  「Paper」并与全文术语对齐）。补的是 §4.2 两级布局骨架之下的落地颗粒度：
  中枢 `~/.paper/` 与知识包 `<cwd>/.paper/` 的完整目录树、三条数据流链路
  （记忆物化/中枢登记/会话注入）的触发时机与产物、Skill Hub 完整五来源表
  （含 `~/.claude/skills`、`~/.claude/commands`、`~/.copilot/prompts` 等既有来源，
  非 Paper 独有部分之前未在正文列全），以及与外部自进化引擎（如遗留的
  `<cwd>/.paper/evo/`）、`AGENTS.md` 等外来文件共存互不相扰的边界约定。
  与既有正文的关系：不改变 §4.1/§4.2/§6.1/§6.2/§8.4 的任何结论，纯粹补全落地细节，
  故编号为 §4.4 而非另起新章。

### v3.2 升级（2026-07-24）

- **动因**：用户追问「文档还保持论文级别吗」，自查发现 v3.1 新增的 §4.4 相对
  全文其它章节偏描述性（有目录树/表格，缺问题论证与理论落点），与 §6 系各节的
  「问题论证→设计→代价与对策」三段式论证密度不对齐（虽仍与 §4.1-4.3 的描述性
  体例一致，不算破格，但可以更严谨）。
- **升级内容**：
  1. §4.4 标题改为「文件系统即公理的物理投影」，开篇加入**问题论证**——把
     「为什么是这套目录切法」还原为 A1+A7 推出的三个必答设计问题（物化粒度/
     目录切分维度/全局-局部命名空间隔离），并引入 CoALA 工作记忆定义
     + MemGPT 分页类比给出理论落点（呼应 §5.2 已引用的 MemGPT 对照）。
  2. 新增「设计问题→回答→对应公理/理论」五行映射表，把目录树里的每个关键节点
     （中枢/知识包分离、目录级粒度、常驻/按需、审计工件、外来文件边界）显式挂回
     A1/A2/A6/A7 与 CoALA/MemGPT，避免目录设计看起来是随手的工程习惯。
  3. 新增**代价与对策**段：目录名一旦发布即视为稳定 ABI（只增不改，复用
     `~/.paper/.schema.json` 版本戳升级机制做迁移），呼应全文「设计决策需自带
     代价与对策」的一贯要求。
  4. §8 新增风险 #6：`AGENTS.md` 跨 provider 碎片化——诚实记录 §4.4 目录设计
     暴露但**明确不修**的一个开放问题（外来文件格式，修复会引入反向依赖风险），
     避免只讲优点不讲局限。
- **未改动**：§4.4 的目录树、数据流表、Skill Hub 来源表本身内容不变，只是补齐
  论证外壳；不影响 Roadmap 排期与其余章节结论。