认知飞轮

wesgine 的 Skill × Memory × Context 三位一体认知飞轮机制。

核心理念

认知飞轮是 wesgine Agent 内核的核心架构：Skill 驱动行为、Memory 积累经验、Context 组装决策信息。

三者相互增强，形成正向反馈循环。

Skill（技能）

Skill 是引擎认知能力的载体。分为两个层级：

Tier E（引擎技能）

编译时 embed 到引擎二进制，~7 个，只读，只允许引擎术语。

Tier C（Cell 技能）

.wesskill 包上传或应用自带，受 MaxSkillsInstalled 限制。

Skill 注入时机

Skill 内容通过 Context Assembly 注入到系统提示词中。

Skill 指导 Agent 的行为模式，但不直接执行操作。

Memory（记忆）

Memory 是 Agent 的长期知识积累。

自动注入

记忆通过三个面注入到模型上下文：

1. Eager：系统提示词索引（5 个 arm）
2. Lazy：当轮 overlay（3 个 arm）
3. Cold-start：跨会话摘要重放（1 个 arm）

记忆驱动的 Skill 选择

SkillPriorityHints 允许记忆影响 Skill 的加载优先级。

Context（上下文）

Context Assembly 是将所有信息源整合为模型输入的过程。

组装顺序

1. 系统提示词（Skill + Memory Eager）
2. 历史消息（含压缩后的 SessionState）
3. 当轮 Memory Lazy Overlay
4. 用户消息

压缩管线

当上下文超出 token 预算时：

1. MidRunHandoff（认知交班）
2. Mechanical Compression（机械压缩 fallback）
3. ExtractToolEvidence（证据提取 + Pinned message）

飞轮效应

Skill 指导 → Agent 执行任务
         ↓
    Memory 记录偏好/教训/约束
         ↓
    Context 召回相关记忆
         ↓
    Agent 行为优化 → 更好的执行
         ↓
    更多高质量记忆积累
         ↓
    Skill 优先级调整（SkillPriorityHints）

每一轮对话都在强化这个循环。

Phase L：Skill-Memory-Context 协作

Phase L 是认知飞轮在每轮对话中的具体体现：

1. L1：Skill 设定行为框架
2. L2：Memory Eager 注入背景知识
3. L3：Memory Lazy 注入当轮相关记忆
4. L4：Context Assembly 将一切整合

L3 注入发生在 L1/L2 之后，可以利用当轮对话内容精确召回。