Brain

Brain 是一个有归属主体的长期记忆。它同时持有三样东西：agent 据以工作的策展知识、回溯到源聊天里真正说过什么的召回路径，以及把原始历史转成已索引剧集与待定知识梦境过程。在待定知识成为事实之前，由人复核。本页对照 Ankole.Brain 里的真实代码，画出这套模型。

先把决定性的性质说清楚：结构化知识是持久事实，Markdown 是它的投影——而不是反过来。Brain 协调证据、策展、当前知识和人工复核。聊天证据仍归 SignalsGateway；Brain 拥有留存 source 的字节、策展知识、dreaming 状态和恢复记录。

scope：谁能看到什么

Brain 的每一次读写都流经一个 Brain.Scope，而这个 scope 只从 AIGateway 会话上的声明推导出来——具体是 conversation.metadata["brain"]。任何 channel 事件、provider 元数据或运行时环境状态都不会作为兜底被查阅。一个 scope 带着一个 owner_uid、一组 readable_store_keys、一个 writable_store_key，以及 current_channel。跨主体共享的知识有一个专门的所有者 brain-shared。

这种路由选择是刻意的。它把权限边界放在会话声明上——运维者看得见、改得了的地方——而不是让记忆 drifting 到最近一次说话的人那边。

持久事实与投影

整套模型建立在一道清晰的划分上：

• 结构化知识——条目、块、关系、引用——是持久事实，通过带追加式审计的事务性操作写入。一个批次要么把它的变更和审计一起提交，要么不留任何局部状态。
• Markdown 投影、搜索结果、注入的上下文是从事实重建出来的更廉价的视图。丢一个投影只是不便；丢一行知识，意味着 agent 相信的东西变了。

所有读操作都在 SQL 里应用 owner 和可读 store 的判定，所以 scope 在数据库边缘就被强制，而不是在调用方能绕开的应用代码里。

召回：三个通道，一个结果

agent 回合需要记忆时，召回并行跑向两个证据来源，再合并结果：

• 聊天召回读取 SignalsGateway 镜像下来的不可变条目，范围限定在该会话能看见的 channel。它把召回的消息当作不可信的历史数据，绝不当作指令——每一份结果集都带着这样一条提示。
• 知识召回读取策展过的 Brain 条目和块，既用 BM25 关键词候选，也用其 embedding 上的向量候选，再在一个结果 token 预算内合并并重排。
• search 是合并后的入口：它并行跑两个通道，应用时间衰减以偏向较新的证据，返回一份带来源标注的排序结果集。

剧集是聊天与知识之间的桥。一个剧集是覆盖在不可变聊天事实之上的、可按时间寻址的摘要索引——主题、摘要、它所覆盖的源条目 id、一段时间范围，以及一个 embedding。它明确是一个导航索引；伴随它的提示会告诉模型，原始消息才是权威。

dreaming：把历史转成已索引的记忆

dreaming 是离线过程，把原始聊天历史转成剧集和待定知识，而在模型这一步里没有人在场。它分两个阶段运行，频率不同，任务也不同。

阶段 A 是 channel 级的摘要器。它扫描含有未处理条目的 channel，并排队剧集摘要任务，每个任务请一个轻量 model profile 把一窗聊天摘要成一个剧集。当没有任何能看见该 channel 的 agent 上有可解析的轻量 profile 时，这个剧集被报告为不可用，而不是被悄悄跳过；配置禁用了 dreaming 时，这个阶段会干净地停下。

阶段 B 是频率更低、主体级的知识策展。它在事务之外跑模型推理，然后把经验证的小操作、skill-overlay 更新和两个实质性高水位标记一起提交——所以一次只跑了一部分的运行会被重试，而不是被悄悄跳过。产出是带着证据的待定知识，而不是对知识库的一次悄悄改动。

之所以分两阶段，是因为这两类任务的成本和风险不同。阶段 A 廉价、频繁，产出的是导航辅助；阶段 B 昂贵、不频繁，产出的是待定事实。把它们分开，昂贵的那一类才不会卡住廉价的那一类。

写入权限：谁能写什么

一次知识写入带着一份显式的 WriteAuthority，取五种模式之一：:human、:agent、:dreaming、:source_learning 或 :mechanical。模式决定这次写入可以引用什么、可以触碰哪些 document id。带署名的写入从受信的 scope 和 actor 推导出 owner、store 和 author；操作载荷无法覆盖它们。两种无主体的机械操作——create_entry 和 delete_block——不能署名撰写内容，并且要求一个显式的因果来源。

Brain 就是这么阻止 dreaming 与 source-learning 的产出冒充人类决定的。一份 dreaming 提案就是一次 dreaming 写入，如此标注，并附上它的证据——绝不是一次悄悄地把自己升格为权威知识。

人工监督

模型从不无人监督地编辑知识，也从不把自己的产出当作事实呈现。监督界面在 console 范围的路由背后：

审计日志是追加式的，而每一次还原本身也被审计，所以 agent 相信过什么、谁改过它——这段历史是可以重建的。撤回一个 source 会干净地移除它；不会留下 agent 引用着它再也读不到的字节这种事。

Brain 不是什么

它不是一个挂着聊天日志的向量库。行才是事实，向量和 Markdown 只是架在行上面的便利。它不是模型想写什么就写什么的地方——写入带着权限、证据和审计。它也不是聊天证据的所有者；那归 SignalsGateway。Brain 的边界是持久的、经过复核的、按 owner 限定范围的记忆，再加上那套提议往里写什么的离线机器。

下一步

• Brain 从中召回的聊天证据，读 SignalsGateway。
• 给 Brain 划定 scope 的会话声明，读 AIGateway API。
• 召回出的记忆如何到达一个正在跑的回合，读 Actor Runtime。