Agent Architecture Data Model Intermediate State Maintainability
摘要

许多 AI 系统围绕推理与工具调用循环构建,但往往仅保留最终产出,导致塑造输出的中间过程 ephemeral(短暂易失)。本文主张系统应保存持久、可检查的中间工件,包括类型化、结构化、可寻址及版本控制的证据地图、计划与假设等。文章提出了一种系统级数据模型,区分了中间工件与对话记录或思维链,形式化了更新语义与谱系追踪,旨在提升 AI 生成工作的可审查性、可修订性与可维护性,而非直接增强模型智能。

AI 推荐理由

提出持久化中间工件数据模型,本质是构建可检查、可版本化的系统级记忆架构。

研究机构
ThruWire, Inc.
论文信息
作者 Josh Rosen, Seth Rosen
发布日期 2026-05-12
arXiv ID 2605.12087
相关性评分 9/10 (高度相关)