闭环反馈：从经验提取到言语强化学习中的洞察治理

无训练言语强化学习使智能体能从世界反馈中学习，但在非平稳环境中面临“保留 - 遗忘”困境：保留过时洞察导致负迁移，丢弃则致灾难性遗忘。本文指出现有方法重经验提取而轻洞察治理，提出由规则、证据和技能组成的三层架构，通过反馈驱动的策展循环连接。规则蒸馏经验，证据追踪可靠性，技能管理应用策略。金融预测案例表明，该机制能显著提升准确率与风险调整后收益，避免性能退化。