MNEMA：一种面向记忆的持久化LLM智能体的情节-语义架构

在调用之间，现代LLM智能体并不以进程形式持久存在：它们以markdown文件形式持久化。广泛部署的框架（OpenClaw、LangChain和CLAUDE.md栈）将智能体抽象构建于LLM调用之上；持久状态存在于模型每个周期重新提示但很少写入的辅助文件中，因此周期内编辑仅是记账而非学习，周期间则完全没有变化。我们称之为基于文件的身份模式：它使得多会话能力、知识积累和目标维护没有架构上的归属。我们颠倒这一建构：智能体是持久的记忆系统；LLM是它调用的思考服务。我们提出MNEMA（面向智能体的记忆原生情节-语义架构），这是一种基于认知心理学和计算神经科学的三层认知架构：一个通用推理基底（可替换的预训练LLM）和两个具有身份特征的个人层，分别是时间索引的情节记忆和类型化的语义知识图，二者通过两个基底驱动的会话间动力学相连：整合（情节到语义的提炼）和自我检查（图内复查加结构触发的外部获取）。MNEMA与Tulving的情节-语义区分、互补学习系统理论和经典认知架构（Soar、ACT-R）一脉相承，但将学习定位于会话间动力学，而非运行时决策周期。