ADEMA：面向LLM智能体长程知识综合的知识状态编排架构

长程LLM任务的失败往往不是因为单个答案无法获得，而是因为知识状态在各轮之间漂移、中间承诺保持隐式，以及中断割裂了不断演进的证据链。本文将ADEMA呈现为面向长程知识综合的知识状态编排架构，而非通用的多智能体运行时。该架构结合了显式的认知记账、异构双评估器治理、自适应任务模式切换、声誉塑形的资源分配、可检查点续传的持久化、片段级记忆压缩、工件优先的组装，以及带安全回退的最终有效性检查。证据完全取自既有材料：一个四场景展示包、一个固定的60次运行机制矩阵、有针对性的微消融与工件链补充实验，以及一个修复后的协议级基准，其中面向代码的评估是质量敏感度最清晰的机制模块。在固定矩阵中，移除检查点/续传产生了唯一一次无效运行，且这发生在对中断敏感的续传条件下。相比之下，双评估、片段综合和动态治理最好被理解为塑造轨迹纪律、显式工件推进和成本-质量行为的支撑性控制机制，而非完成任务的普遍二元前提。因此，其贡献是一个知识状态编排架构，其中显式的认知状态转移、承载证据的工件推进和可恢复的连续性是首要设计承诺。