AutoPersonas：面向开放式人格进化的多时间尺度循环引擎

长期人格智能体必须在适应新事件、关系、证据与社会条件的同时保持可辨识。我们把自我锁定识别为持续人格生活循环中的运行时失败模式：局部合理的事件不断出现，而生成的生活坍缩向熟悉环境、弱关系、悬置决策与过时生活阶段。我们把该失败追溯到模型层面向高概率行为通道的收敛，与系统层来自状态、记忆、历史与环境摘要的上下文引力。我们引入AutoPersonas：有界人格级递归自进化的多时间尺度生活—环境引擎。它分离环境侧的发生（Occurrences）、累积的观测（Observations）与人格状态（State）。其OSO循环允许发散的前瞻性材料、同时要求证据治理的吸收才能改变状态或可达性。三年压缩仿真暴露环境水印壳、发生硬化缺口、慢变化积累失败、递归犹豫与弱关系持续。八模型40天压力测试生成1,600事件、发现滚动5日动作类别重复达95.2%–97.6%——全部模型在第11天前越过90%。语义重标注发现所有直循环运行中79.0%–88.0%的宏主题重复。同运行时40天A/B中：上下文切片掩蔽加逐样本分歧定向把宏主题重复从61.8%降到36.3%、累积主题数约翻倍。虚拟世界的青少年哥布林运行在无硬真实侵入下复现反锁定regime。结果支持有界主张：把受控发散与证据治理的吸收分离，可在保持身份连续性的同时减少人格—环境自我锁定。