01
将经验转化为可查询状态
持久记忆
我们研究能够在长期智能体任务中保存事件、实体、关系与来源的记忆系统，并只为当前决策恢复必要内容。
- 长期状态
- 关系检索
- 来源追踪
面向 AI 智能体的认知层
让智能记住
自己的历史。
MokenLogic 是一个 AI 系统实验室，研究持久记忆、结构化推理，以及从经验中学习。我们将基础模型与持久状态和可检查的结构相结合，用于探索智能体如何随时间记忆、推理与适应。
01持久记忆
02结构化推理
03持续学习
智能体状态t → t+1
st+1=F(st, Mt, Rt, Δt)
记忆推理反馈
研究命题 / 001
模型负责预测，系统负责记忆。
能力更强的智能体，下一步并不只是更大的上下文窗口，而是一套持久的认知架构：它能够保留经验、恢复结构、验证结论，并在任务之间持续改进。
研究方向
持久智能的运行机制。
我们把智能体视为一个不断变化的系统，而不是一次无状态的模型调用。研究重点，是让有用经验从一个决策延续到下一个决策的结构。
02
- 图结构
- 组合推理
- 验证
03
从经验中进行可度量的更新
持续学习
我们研究智能体如何从任务与反馈中改进，同时避免把每次交互都变成一次不透明的重新训练。
- 反馈轨迹
- 策略适应
- 可逆更新
系统架构 / 模型无关
MKL—SYS—01
构建在模型之上的认知系统。
基础模型提供强大的先验能力。MokenLogic 认知层围绕模型组织持久状态、关系结构、反馈机制和运行时工具，使智能体能够参与长期任务。
03
应用层智能体 · 工作流 · 原生界面
任务环境02
MokenLogic 认知层记忆 · 张量逻辑 · 学习回路
结构化经验01
基础模型层开放权重 · 商业 API · 研究架构
模型底座不只是提示词链。
不做无状态的检索。
不做没有证据的学习。
系统实践 / 001
完整的智能体回路，而不只是一次对话。
MokenLogic 系统面向从任务意图到可验证成果的完整过程，同时保留后续继续工作所需的证据与状态。
01定义任务目标 · 约束 · 成果物
02恢复状态项目 · 人物 · 既有决策
03组织结构关系 · 计划 · 检查项
04执行任务应用 · 浏览器 · 文件 · 工具
05验证结果成果物 · 轨迹 · 证据
06更新状态由证据支持的更新
工作模式
03 / patterns带证据链的研究分析
收集资料，保存主张与来源之间的对应关系，形成简报，并为下一次会话留下可追溯的起点。
来源可追溯的简报周期性运营任务
重复执行监测或报告，与既有状态比较，并只在出现异常或需要决策时请求关注。
定时生成的报告跨时间持续推进的项目
恢复长期项目相关的文件、决策、工具与未决问题，不再每次手动重建全部上下文。
可持续推进的工作空间开放模型系统 / 研究方向
模型只是一个组件，系统才是完整产品。
我们正在探索将开放权重语言模型与 MokenLogic 记忆、张量推理和评估工具链结合的参考系统。目标是构建可复现的模型系统，使其行为能够在完整认知栈中被研究和评估。
计划中的发布格式将包含基础模型来源、认知层版本、评估协议和已知限制。
MokenLogic 模型系统研究设计
F基础模型
+C认知层
+E评估工具链
推理服务 / API 访问规划
将记忆纳入推理回路。
规划中 · 暂未公布开放日期
计划中的 API 将提供带版本的推理会话，并在选定的基础模型之外加入 MokenLogic 记忆、结构化推理与可追踪更新。
01请求
02会话状态
03模型推理
04证据轨迹
有状态会话
记忆可在获得授权的调用之间延续，同时保留来源信息。
模型灵活的运行时
认知状态与底层模型选择保持分离。
版本化轨迹
请求、检索到的上下文与状态更新均以可检查为设计目标。
MokenLogic Harness / macOS
开发中面向长期智能体任务的原生运行环境。
一套原生 macOS 智能体运行环境，面向跨应用、文件、对话与长期项目的任务。它将 MokenLogic 的持久记忆、结构化推理与可检查执行带入真实工作流，使系统行为能够在基准测试之外接受评估。
- 01跨会话与项目的持久记忆
- 02可检查的上下文、工具调用与来源
- 03与模型选择相分离的认知状态
专为 macOS 设计。
了解 Harness精选文章 / Wayland Zhang
关于模型、几何与智能体系统的思考。
三篇独立文章，为 MokenLogic 所研究的问题提供数学与系统背景。
神经网络的四重境界
从动力系统、流形几何、规范结构与测量四个视角重新理解神经网络。
阅读全文陈省身的一个疑问，被两个世界同时回答
追踪一个微分几何问题如何在数值力学与神经网络表示中分别重现。
阅读全文长时间 Agent Loop 中的 Mid-Turn Checkpointing
讨论长时间智能体任务中，如何围绕持久进度、活性与崩溃恢复设计检查点。
阅读全文实验室笔记
每项主张，都应附带证据。
我们区分已经运行的系统、活跃实验和长期方向。研究表述不应超越现有成果。
记忆是状态转移，而不是文档检索。
活跃研究推理应呈现使结论成立的结构。
研究学习需要审计轨迹，也需要回退路径。
研究方向MokenLogic / 研究系统