ECHO：面向长程智能体的认知启发、可审计记忆平面

长程智能体需要的记忆要能识别相关经验、解决修订冲突并暴露可核查的来源。我们提出 ECHO（Embodied Context and History Orchestration），一个受情景编码、巩固、情境恢复、再巩固和执行控制启发的可审计记忆架构与服务原型。这是功能性启发而非神经等价；实证分析聚焦于检索与上下文构建。开发运行在 1,536 个 LoCoMo 1–4 类问题上达到 96.29% Hit@10 和 73.64% 轮 Recall@5，在全部 500 个 LongMemEval-S 问题上达到 97.60% Hit@10、88.84% 轮 Recall@5 和 88.71% 会话 Recall@5。五段历史的 BEAM 关卡失败；在另一个匹配的 91 题 QA 样本中，Mem0 OSS 得分 64.84%，而 ECHO 为 41.76%（精确 McNemar p = 0.00107），历史聚类区间跨零。一次事后审计在查询扩展规则中发现了来源特定短语。因此，尽管没有标准答案字段进入运行时，启用扩展的检索得分仍只是描述性的开发测量，而非独立确认。