AI智能体认知架构中缺失的知识层

对AI智能体而言最具影响力的两个认知架构框架CoALA [21]与JEPA [12]都缺少一个拥有自身持久化语义的显式知识层。这一缺口导致范畴错误：系统对事实性论断施加认知衰退，或以完全相同的更新机制对待事实与经验。我们考察了现有记忆系统的持久化语义，识别出八个趋同点——从Karpathy的LLM Knowledge Base [10]到BEAM基准接近零的矛盾消解得分[22]——都指向相关的架构缺口。我们提出一个四层分解（Knowledge、Memory、Wisdom、Intelligence），每层具有根本不同的持久化语义：分别是无限期取代、艾宾浩斯衰减、证据门控修订与临时推理。配套的Python与Rust实现证明这种架构分离是可行的。我们借用认知科学术语作为有用类比（知识/记忆之分呼应Tulving的三分法），但这些层是由持久化语义需求所支撑的工程构件，而非由神经架构支撑。我们主张这些区分要求在工程实现中采用不同的持久化语义，而当前没有任何框架或系统做到这一点。