Context：通过可组合沙箱程序、声明式布线与结构化交互实现主动式目标导向智能

我们提出Context——Magarshak架构的智能层，它用主动的、目标导向的智能体取代被动的查询-应答式聊天机器人，这些智能体无需等待用户提示即可推进共享任务。该架构建立在三种相互增强的机制之上。写入时上下文组装（Write-time context assembly）通过Groker智能体预计算富化的带类型属性，将交互上下文组装为图状态的确定性纯函数；在语义变更之间的各个轮次中，上下文块字节级完全一致，从而实现接近100%的KV-cache复用。可组合的沙箱化智慧程序（wisdom programs）构成一个受治理的库，其中存放由LM生成的命令式程序，这些程序经由类型化流关系被声明式地布线到目标类型，通过阶段排序加以组合，并在交互时执行而无需进一步的LM调用。主动目标流状态机通过检视图状态并发出结构化交互内容（选项数组、治理可供性、澄清提示）来驱动对话走向终态，而无需等待用户输入。我们证明了六个形式化结果：上下文稳定性定理（Context Stability Theorem），将每轮LM成本界定为语义变化率的函数；程序组合正确性定理（Program Composition Correctness Theorem）；声明式布线可靠性定理（Declarative Wiring Soundness Theorem）；主动支配定理（Proactive Dominance Theorem），证明主动智能体在到达终态的期望轮数上弱支配被动智能体；协调开销消除与质量保持（Coordination Overhead Elimination and Quality Preservation），确立多参与者目标对话中的帕累托改进；以及跨平台投票一致性定理（Cross-Platform Vote Consistency Theorem）。该架构已在开源的Qbix / Safebox / Safebots技术栈中实现。