有狀態工作階段
記憶可在獲得授權的呼叫之間延續，同時保留來源資訊。
持久智慧體產品
讓智慧
持續學習。
MokenLogic 做持續學習智慧體產品：會記住、能在電腦上執行，並留下證據。macOS Harness 預覽版現已開放下載；有狀態的推理 API 仍在規劃中。
智慧體狀態t → t+1
st+1=F(st, Mt, Rt, Δt)
記憶推理回饋
MokenLogic Harness / macOS
預覽版現已開放讓智慧體持續學習的原生執行環境。
一套原生 macOS 智慧體執行環境，面向跨應用程式、檔案、對話與長期專案的任務。持久記憶、結構化推理與可檢查的執行就在工作流程裡——明天從今天學到的東西出發。
- 01跨工作階段與專案的持久記憶
- 02可檢查的上下文、工具呼叫與來源
- 03與模型選擇相分離的認知狀態
需 macOS 15 或更新版本。預覽版功能將隨迭代持續完善。
系統實踐 / 001
完整的智慧體迴路，而不只是一次對話。
MokenLogic 系統面向從任務意圖到可驗證成果的完整過程，同時保留後續繼續工作所需的證據與狀態。
01定義任務目標 · 限制 · 產出
02還原狀態專案 · 人物 · 既有決策
03組織結構關係 · 計畫 · 檢查項
04執行任務應用程式 · 瀏覽器 · 檔案 · 工具
05驗證結果產出 · 軌跡 · 證據
06更新狀態以證據為依據的更新
推理服務 / API 存取規劃
將記憶納入推理迴路。
規劃中 · 尚未公布開放日期
計畫中的 API 將提供帶版本的推理工作階段，並在選定的基礎模型之外加入 MokenLogic 記憶、結構化推理與可追蹤更新。
01請求
02工作階段狀態
03模型推理
04證據軌跡
模型彈性的執行環境
認知狀態與底層模型選擇保持分離。
版本化軌跡
請求、檢索到的上下文與狀態更新均以可檢查為設計目標。
核心技術
產品底下的一層。
持久記憶、Tensor Logic 與持續學習，支撐 macOS Harness 和規劃中的 API。實作已經公開的部分，都可以直接檢查。
01
將經驗轉化為可查詢狀態
持久記憶
在長期智慧體任務中保存事件、實體、關係與來源，並只為當前決策還原必要內容。
- 長期狀態
- 關係檢索
- 來源追蹤
02
- 圖結構
- 組合推理
- 驗證
03
從經驗中進行可度量的更新
持續學習
智慧體從任務與回饋中改進，而不把每次互動都變成一次不透明的重新訓練。
- 回饋軌跡
- 策略適應
- 可逆更新
系統架構 / 模型無關
MKL—SYS—01
建構在模型之上的認知系統。
基礎模型提供強大的先驗能力。MokenLogic 認知層圍繞模型組織持久狀態、關係結構、回饋機制與執行階段的工具，使智慧體能夠參與長期任務。
03
應用層智慧體 · 工作流程 · 原生介面
任務環境02
MokenLogic 認知層記憶 · 張量邏輯 · 持續學習
結構化經驗01
基礎模型層開放權重 · 商用 API · 研究架構
模型底座不只是提示詞鏈。
不做無狀態的檢索。
不做沒有證據的學習。
MokenLogic