智能体闭环进展：从学习、记忆、决策到执行

过去这段时间我们一直在做一件事不是再造一个“更会聊天”的助手而是尝试搭出一套真正能够持续学习、持续记忆、持续决策、持续执行的智能体系统。现在这套系统已经有了一个初步闭环。我们的学习系统是claude-obsidian记忆系统是Obsidian决策系统是cli-assistant执行系统是Harness_engineering。这四个模块协同起来已经能够完成一些简单项目。这意味着一件很重要的事我们不是在拼装几个孤立工具而是在把智能体最核心的能力链路真正连起来。这条链路一旦成立智能体就不再只是“回答问题”而是开始具备一种持续演化的可能性。我们做成了什么如果用一句话概括当前阶段的成果那就是学习、记忆、决策、执行已经形成了一个基础闭环。在这个闭环里claude-obsidian负责学习把任务、代码、文档、经验中的信息提炼成结构化知识。Obsidian负责记忆把知识、经验和上下文沉淀下来形成可复用的知识网络。cli-assistant负责决策根据已有知识和当前任务判断下一步该做什么。Harness_engineering负责执行把决策真正推进到工程环境里完成动作、拿回反馈。这四个环节协同之后系统开始具备一个关键能力不是一次性完成任务而是能在任务过程中积累经验并把经验重新带回下一轮任务。也就是说它开始有了“边做边学、越做越懂”的雏形。这件事为什么重要很多智能体系统的问题从来都不是某个单点能力不够强而是链路断裂。有的系统会学习但记不住有的系统记住了但调不出来有的系统能做决策但不能执行有的系统能执行但执行结果不会反哺学习。只要其中任意一个环节断掉系统就无法形成真正的积累也无法进入更复杂的真实场景。我们当前最大的进展不是某个模块又提升了多少而是第一次把这些关键能力真正串起来了。这是从“工具能力”走向“系统能力”的分界线。目前已经能做一些简单项目现在这套系统已经能够支撑一些简单项目的推进。这里说的“简单项目”不是只会跑个 demo也不是只会生成几段代码而是系统已经能够在一定范围内理解任务、调用已有知识、做出局部判断并把判断推进到实际执行中。这说明两点这套架构不是纸面设计已经具备实际运转能力。闭环不是概念性的而是能够在任务中真正工作。这一步并不轰动但非常关键。因为所有更高级的能力前提都是先把最基础的闭环跑通。但这还不算真正落地我们对当前阶段的判断也很清楚现在还只是基础阶段。虽然系统已经能做一些简单项目但这还远远不等于真正落地。真正的落地不是跑通一个样例不是做出几个模块而是能够在复杂环境里稳定工作能够面对大型项目、长期任务、复杂上下文还能持续产出有效结果。换句话说只有跑通大的项目才算真正落地。因为一旦进入大项目问题会立刻变得完全不同上下文更长、更复杂模块更多、依赖更深历史包袱和技术债更重需求变化更频繁决策和执行都需要更强的连续性到了这个阶段考验的就不再是“会不会做”而是“能不能持续做、能不能快速理解、能不能在复杂性里保持效率”。所以我们接下来的重点不是继续停留在小范围验证而是把系统真正推到大项目里去检验。下一步我们会重点推进三件事1. 把学习系统和记忆系统合到一起做“智慧大脑”这是我们下一阶段最优先的方向。目前学习系统和记忆系统虽然已经打通但本质上仍然是两个相对独立的模块。接下来我们希望把claude-obsidian和Obsidian更深度地融合起来形成一个真正意义上的“智慧大脑”。为什么一定要这么做因为学习如果不能快速进入记忆网络就很难形成持续积累而记忆如果不能反过来参与学习也只是静态存储。我们想做的不是“学完以后存起来”而是让学习和记忆本身就成为同一个循环过程。我们希望这个“智慧大脑”具备几个关键特征能快速把新的输入挂接到已有知识网络能形成跨主题、跨任务、跨项目的关联记忆能让经验不只是被记录而是能被反复调取和复用能沉淀出更接近类人的长期记忆能力我们的目标是加速自主学习和知识循环希望最终能实现类人的关联记忆和永久记忆。如果这一步能做出来智能体就不再只是“每次重新理解世界”而是开始真正拥有自己的知识连续性。2. 在大项目中实践落地解决“如何快速感知项目、快速学习”的问题第二个方向是把系统真正放进大项目里打磨。现实里的大型项目不会给智能体很长的适应时间。它必须尽快理解项目结构、核心模块、关键约束、历史演化和当前问题否则就无法参与真正的工程协作。所以我们接下来要重点解决两个问题智能体如何快速感知一个项目智能体如何快速学习一个项目“快速感知项目”不是机械地扫一遍代码而是能迅速识别什么是核心、什么是边缘、什么是高风险区域、什么是关键依赖。“快速学习项目”也不是读完文档就算结束而是要能结合代码、文档、提交记录、任务上下文和运行反馈建立对项目的动态理解并把这种理解沉淀到记忆系统中支持后续决策和执行。如果这一层做不出来智能体就很难真正进入真实工程环境。因为真实项目的门槛从来都不只是写代码而是能不能快速进入上下文。3. 面向新的大型项目具备做需求和重构的能力第三个方向是让系统从“能执行任务”进一步走向“能参与工程判断”。我们希望未来这套系统面对一个新的大型项目时不只是接受明确指令再执行而是能够参与需求理解、任务拆解、系统分析甚至承担部分重构工作。这意味着它要逐步具备这些能力面对陌生项目快速建立需求上下文从模糊描述中提炼目标、约束和边界识别系统中的结构问题和重构机会对复杂改动形成分阶段推进方案在执行过程中持续修正理解而不是一次性拍脑袋决策需求分析和系统重构是最能检验智能体工程能力的场景之一。因为这类问题没有标准答案它要求系统不仅“会做”还要“会判断”。如果我们能在新的大型项目中把这件事跑通这套系统才算真正从实验阶段走向工程级落地。最后回头看我们已经从单点能力探索走到了系统级闭环的初步成形。学习系统、记忆系统、决策系统、执行系统已经开始协同工作并且已经能够支撑一些简单项目向前推进。这说明我们的方向是对的。但我们也非常清楚这还只是开始。真正的挑战不是把闭环搭出来而是让这个闭环在大型项目中持续运转让系统真正拥有长期学习、长期记忆、复杂决策和工程执行的能力。只有到了那一步才算真正落地。接下来我们会继续沿着三个方向推进把学习系统和记忆系统融合成“智慧大脑”推动大项目实践落地解决快速感知和快速学习问题让系统具备面对新大型项目做需求分析和重构的能力如果说现在我们已经证明了“闭环可以成立”那么下一阶段要证明的就是这套闭环能不能成为真正可用、可扩展、可持续进化的智能体工程体系。