Mnemosyne：验证与修复AI生成工作流的智能体事务处理

LLM日益生成格式良好但可能过时、不可行、冲突或破坏自身证据的工作流动作与修复。我们引入智能体事务处理（ATP）——将生成的动作视为不受信提议——直至确定性准入在可执行约束集C下接受它们。其双向原则是：提议不是真理——且没有提议能预见所有破坏。任何东西都可以提议——但只有运行时才能准入并提交；未预见的破坏触发有界反应式修复——其输出重新进入准入。Mnemosyne以只追加转换日志、有效状态投影、依赖安全的补偿与活跃契约记录实现ATP。在既定假设下、相对C——我们证明四个安全性质（权限分离、串行等价的生成式准入、证据保持修复与义务包容）并建立有界反应式修复。跨九个安全基准与Temporal SDK四案例比较——ATP拒绝所有针对性违例同时接纳有效工作。匹配数据规模的扫描测量到相对同一本地持久提交路径5.2-6.6%的增量吞吐成本——并暴露本地饱和。在配套调度工具中——本地修复编辑的操作数比全局重算少近一个数量级；12场景中断压力测试拒绝所有过期恢复候选——不丢失观察也不产生无效提交。两个有界试点将来自四个异构LLM的80个提议路由通过同一道门——零无效提交；40个执行中提议24个被接纳、16个被拒绝——包括4个显式安全拒绝。