第181章　MemoryExperienceService

在 ICAI（Individual Cognitive AI，个体认知人工智能）系统中，反馈并不是认知循环的终点。

第180章已经建立：

Execution → Result → Feedback → State Update → History

但是，历史记录本身并不能自动形成记忆，记忆也不能直接等同于经验。

一个能够持续运行的个体认知系统，需要解决四个不同层次的问题：

发生过什么？

哪些信息值得记住？

过去哪些行为形成了可重复使用的经验？

哪些数据可以用于后续认知计算？

因此，需要在 Service 层建立 MemoryExperienceService。

其主要职责包括：

记忆
经验
历史
学习数据

核心过程可以表示为：

Feedback → History → Memory → Experience → Learning Data → Future Decision

但这不是简单的数据复制关系，而是不同认知对象之间的转换关系。

一、MemoryExperienceService定义

MemoryExperienceService 是 ICAI Service 层中负责管理历史信息、记忆对象、经验对象以及可用于后续认知计算的学习数据的应用服务。

它不是一个简单的数据库 CRUD Service。

其职责是协调：

History Management

Memory Management

Experience Management

Learning Data Management

因此可以定义：

MES = (H,M,E,L)

其中：

H（History）：历史
M（Memory）：记忆
E（Experience）：经验
L（Learning Data）：学习数据

进一步展开：

MemoryExperienceService = History + Memory + Experience + Learning Data

其基本链路为：

Feedback → History → Memory → Experience → Learning Data → Decision

但是必须明确：

History ≠ Memory

Memory ≠ Experience

Experience ≠ Learning Data

四者虽然存在转换和关联关系，但不是同一个对象。

二、历史

2.1 History定义

History 是已经发生的事实按照时间形成的记录。

它回答：

“过去发生了什么？”

历史的核心是事实，而不是推论。

第164章定义：

H = {h₁,h₂,…,hₙ}

其中每一个历史记录：

h = (T,O,A,R,S)

其中：

T：Time，发生时间
O：Object，涉及对象
A：Action，执行动作
R：Result，执行结果
S：State，状态

例如：

2026-09-11 10:30
Robot R1
Action = MoveTo(A)
Result = Success
State = Ready → PositionA

这是历史。

它只描述已经发生的事实。

2.2 History不是Memory

例如：

History:
Robot R1
MoveTo A
Success

只能说明：

这件事情过去发生过。

Memory 则可能进一步保存：

Memory:
Robot R1曾经成功到达A位置。

History 强调：

事件事实

Memory 强调：

可再次读取的信息

因此：

History → Memory

不是简单复制，而是经过认知价值判断后的信息保留。

三、记忆

3.1 Memory定义

Memory 是系统对过去事实、对象、状态、关系、行为、结果以及经验信息进行保存，并能够在未来重新读取的信息对象。

第164章定义：

M = (I,C,W,T,R)

其中：

I（Information）：记忆信息
C（Context）：记忆上下文
W（Weight）：记忆权重
T（Time）：时间
R（Relation）：记忆关系

Memory回答的问题是：

“过去哪些信息以后还可能有用？”

因此 Memory 不等于 MySQL 数据表。

MySQL 只是持久化工具。

真正的 Memory 是系统中的认知对象。

3.2 记忆形成

记忆形成可以表示为：

Perception → Object → State → Behavior → Result → Feedback → History → Memory

例如：

看到杯子
↓
识别杯子对象
↓
记录杯子位置
↓
执行抓取行为
↓
抓取成功
↓
产生反馈
↓
形成历史
↓
保存为记忆

最终系统形成：

Memory:
Cup A
Location = Table
LastKnownState = Held

未来系统再次需要杯子时，就可以读取这个 Memory。

四、记忆读取

MemoryExperienceService 必须支持记忆读取。

基本过程：

Memory Store → Memory Recall → Cognitive Processing

例如：

当前Goal = 找到Cup A

系统读取：

Memory:
Cup A
LastLocation = Table
LastSeen = 10:30

于是可以形成当前认知条件：

Cup A可能位于Table

注意，这里不能直接把 Memory 当成当前事实。

因为：

过去状态 ≠ 当前状态

因此必须经过当前状态验证。

即：

Memory → Current Verification → Current Knowledge

这也是 ICAI 防止陈旧记忆直接污染当前认知的重要机制。

五、经验

5.1 Experience定义

Experience 是系统根据过去的 History、Memory、Condition、Result 等信息，经过比较、关联和验证后形成的结构化经验对象。

第164章定义：

E = (H,M,C,R,P)

其中：

H（History）：历史
M（Memory）：相关记忆
C（Condition）：发生条件
R（Result）：结果
P（Pattern）：经验模式

Experience回答的是：

“过去发生的事实中，形成了什么可以再次使用的模式？”

例如：

History 1:
Condition X
Method A
Success

History 2:
Condition X
Method A
Success

History 3:
Condition X
Method A
Success

经过比较和验证，可以形成：

Experience:
在Condition X下，Method A具有成功经验。

这里的 Experience 不是简单统计数字，而是：

Condition + Method + Result + Pattern

六、经验不是历史记录

这是 MemoryExperienceService 中最重要的对象边界之一。

例如：

History:
2026-09-01 Method A Success

History:
2026-09-03 Method A Success

History:
2026-09-05 Method A Failed

这些都是历史事实。

Experience 则需要进一步分析：

Condition X
Method A
2次成功
1次失败

如果失败来自环境条件变化，那么经验可能进一步形成：

Experience:
Method A在Condition X且Environment Y稳定时成功；
Environment Y变化时成功率下降。

因此：

History = 发生过什么

Experience = 从发生过的事情中形成了什么结构化模式

七、经验形成

经验形成过程可以表示为：

History → Memory → Comparison → Relation → Pattern → Experience

其中：

History

保存实际发生的事件。

Memory

保存具有后续价值的信息。

Comparison

比较不同历史事件。

Relation

建立事件、对象、条件、结果之间的关系。

Pattern

发现可重复的结构。

Experience

将经过验证的结构保存为经验对象。

因此：

Experience ≠ 自动统计

而是：

Experience = History + Memory + Condition + Comparison + Pattern + Verification

八、学习数据

8.1 Learning Data定义

学习数据是从 History、Memory、Experience、Feedback、Result、State 等对象中整理出来，可以供后续认知计算、规则调整、权重更新、能力判断和决策计算使用的数据。

这里的“学习”必须与机器学习模型区分。

ICAI 的学习不是：

Transformer训练
神经网络训练
Embedding训练
LLM微调
向量模型训练

而是：

基于事实、历史、规则、经验和离散数据进行结构更新。

因此：

Learning Data = Structured Cognitive Data

8.2 学习数据来源

学习数据可以来自：

Result
Feedback
State History
Behavior History
Decision History
Memory
Experience
Knowledge
Verification
Diagnosis

形成：

Learning Data = Facts + Relations + Results + Conditions + Experience

例如：

Condition = X
Method = A
Result = Success
State = Ready
Environment = Y
Experience = E1

这组数据可以作为未来 DecisionService 的计算依据。

九、学习数据与Experience的关系

Learning Data 不等于 Experience。

例如：

Learning Data:
X, A, Success
X, A, Success
X, B, Failed
Y, A, Success

这是结构化学习数据。

Experience 则可能是：

Experience E1:
Condition X
Method A
具有成功经验

Experience E2:
Condition X
Method B
存在失败经验

因此：

Learning Data → Experience

但不是所有 Learning Data 都必须立即形成 Experience。

同样：

Experience → Learning Data

经验也可以反向转化成用于决策计算的结构化数据。

所以二者之间是双向关联：

Learning Data ↔ Experience

十、MemoryExperienceService的核心处理流程

MemoryExperienceService 可以采用以下统一流程：

Receive → Classify → Store History → Select Memory → Build Relation → Form Experience → Generate Learning Data → Persist

即：

接收 → 分类 → 保存历史 → 筛选记忆 → 建立关系 → 形成经验 → 生成学习数据 → 持久化

例如：

Feedback
↓
History
↓
Memory
↓
Memory Relation
↓
Experience
↓
Experience Relation
↓
Learning Data

这样可以把第164章的 Memory、Experience 理论真正落到 Service 层。

十一、记忆筛选

不是所有历史都应该成为长期记忆。

MemoryExperienceService 可以根据规则判断某条 History 是否具有记忆价值。

例如：

MemoryCandidate = History + Importance + Relevance + Recurrence + Verification

其中：

Importance：重要程度
Relevance：与当前认知任务的相关程度
Recurrence：是否重复出现
Verification：是否得到验证

例如一次普通状态变化：

Robot Ready → Running

可能只保留在 State History 中。

但如果发生：

Method A
Condition X
连续多次成功

则可能形成长期 Memory。

十二、记忆权重

Memory 可以具有 Weight。

定义：

Wₘ = f(I,R,T,V)

其中：

I：Importance
R：Relevance
T：Time
V：Verification

权重不是神经网络权重。

它是明确的工程数据。

例如：

Weight = 80

可能来自规则：

重要程度 30
相关程度 20
重复出现 15
验证程度 15

最终：

MemoryWeight = 80

这种权重可以用于记忆读取排序，但不能把它理解为机器学习模型参数。

十三、记忆衰减

记忆可能随着时间降低优先级。

可以使用确定性的离散计算：

W(t) = W₀ × D(t)

其中：

W₀：初始记忆权重
D(t)：时间衰减系数
W(t)：当前记忆权重

例如规定：

30天无再次验证
→ 权重降低

再次验证成功
→ 权重恢复

被证明错误
→ 状态改为Invalid

因此记忆不是永远不变的数据。

其生命周期可以定义为：

Created → Stored → Recalled → Updated → Weakened → Archived

十四、经验验证

经验不能因为出现一次就立即成为有效经验。

可以定义：

Experience → Verification → Valid / Invalid

例如：

Condition X
Method A
Success

只能成为：

Experience Candidate

经过更多事实验证后：

Experience Verified

如果后来发现：

Condition X
Method A
Repeated Failure

则原经验必须进入：

Revised

甚至：

Invalid

因此经验也具有生命周期：

Formed → Verified → Used → Confirmed → Revised → Archived

十五、历史与记忆关系

历史与记忆之间存在结构关系：

History → Memory

但不是：

History = Memory

可以建立：

history_id
memory_id
relation_type
created_at

例如：

History H100
↓ derived_from
Memory M20

表示 Memory M20 来源于历史 H100。

多个历史也可以共同形成一个 Memory：

H1
H2
H3
↓
Memory M1

这意味着 Memory 可以由多个 History 支撑。

十六、记忆与经验关系

Experience 同样可以关联多个 Memory：

Memory M1
Memory M2
Memory M3
↓
Experience E1

例如：

M1 = Condition X
M2 = Method A
M3 = Success Result

共同形成：

Experience E1
Condition X → Method A → Success

因此可以建立：

MemoryRelation

和：

ExperienceRelation

两个不同的关系体系。

MemoryRelation 用于描述记忆之间的关系。

ExperienceRelation 用于描述经验之间的支持、冲突、对比、继承等关系。

十七、学习数据更新

学习数据不是一次生成后永远不变。

可以定义：

Lₜ + ΔF → Lₜ₊₁

其中：

Lₜ：当前学习数据
ΔF：新的反馈、结果、状态或历史变化
Lₜ₊₁：更新后的学习数据

例如：

第一次：

Method A = Success

新增：

Method A = Success

系统可以更新：

SuccessCount = 2

再新增：

Method A = Failed

则：

SuccessCount = 2
FailureCount = 1

这些数据可以进一步用于经验更新。

这属于离散统计和结构更新，而不是神经网络训练。

十八、学习数据如何影响DecisionService

学习数据最终需要重新进入认知计算。

例如：

Goal X
↓
Method A
Method B
↓
Learning Data

得到：

Method A
Historical Success = 8
Historical Failure = 2

Method B
Historical Success = 5
Historical Failure = 5

DecisionService 可以根据明确的规则计算：

Score(A) = W₁×SuccessRate + W₂×ExperienceWeight + W₃×ConditionMatch

然后：

Score(A) > Score(B)

选择：

Method A

这里的核心是：

历史数据 → 经验 → 规则计算 → 决策

而不是：

历史数据 → 神经网络 → 黑盒预测

因此整个 ICAI 学习过程仍然保持：

事实驱动 + 规则驱动 + 离散计算 + 可解释 + 可追溯

十九、MemoryExperienceService PHP结构

在 PHP OOP 工程中，可以定义：

class MemoryExperienceService
{
    protected $historyRepository;
    protected $memoryRepository;
    protected $experienceRepository;
    protected $learningDataRepository;

    public function __construct(
        $historyRepository,
        $memoryRepository,
        $experienceRepository,
        $learningDataRepository
    ) {
        $this->historyRepository = $historyRepository;
        $this->memoryRepository = $memoryRepository;
        $this->experienceRepository = $experienceRepository;
        $this->learningDataRepository = $learningDataRepository;
    }

    public function recordHistory($data)
    {
        // 保存历史事实
    }

    public function createMemory($data)
    {
        // 创建记忆
    }

    public function recallMemory($id)
    {
        // 读取记忆
    }

    public function formExperience($data)
    {
        // 根据历史、记忆、条件、结果形成经验
    }

    public function updateExperience($id, $data)
    {
        // 更新经验
    }

    public function buildLearningData($data)
    {
        // 生成结构化学习数据
    }
}

这个 Service 可以协调多个 Repository，但不应该把所有认知计算都写进一个类。

例如：

MemoryExperienceService
        ↓
MemoryEngine
        ↓
ExperienceEngine
        ↓
LearningDataEngine

如果工程规模继续扩大，可以进一步拆分为：

HistoryService
MemoryService
ExperienceService
LearningDataService

但在当前 ICAI Service 层结构中，可以先通过 MemoryExperienceService 统一协调四类对象。

二十、数据库结构

20.1 histories

id
individual_id
object_id
behavior_id
action_id
execution_id
result_id
state
event_type
event_data
created_at

用于保存实际发生的历史事件。

20.2 memories

id
individual_id
memory_type
information
context
weight
state
source_history_id
created_at
updated_at

用于保存记忆对象。

20.3 memory_relations

id
memory_id
relation_type
target_memory_id
condition
state
created_at

用于保存 Memory 之间的关系。

20.4 experiences

id
individual_id
condition
result
pattern
state
verification_status
created_at
updated_at

用于保存结构化经验。

20.5 experience_relations

id
experience_id
relation_type
target_experience_id
condition
state
created_at

用于保存 Experience 之间的关系。

20.6 learning_data

id
individual_id
source_type
source_id
condition
action
result
state
value
weight
created_at
updated_at

用于保存后续认知计算可以直接使用的结构化数据。

二十一、MemoryExperienceService与Repository边界

MemoryExperienceService 不应该直接操作 MySQL。

正确结构为：

Controller → MemoryExperienceService → Repository → MySQL

例如：

MemoryExperienceService
        ↓
MemoryRepository
        ↓
MySQL

或者：

MemoryExperienceService
        ↓
ExperienceRepository
        ↓
MySQL

Service 负责业务流程。

Repository 负责持久化。

Domain Object 负责对象本身。

Engine 负责规则和计算。

因此：

Service ≠ Repository

Repository ≠ Memory

MySQL ≠ Memory

二十二、统一学习闭环

到第181章，ICAI 的执行反馈和学习结构可以形成完整闭环：

Goal
↓
Capability
↓
Method
↓
Decision
↓
Behavior
↓
Action
↓
Execution
↓
Result
↓
Feedback
↓
History
↓
Memory
↓
Experience
↓
Learning Data
↓
Decision

进一步加入状态：

Execution
↓
Result
↓
Feedback
↓
State Update
↓
History
↓
Memory
↓
Experience
↓
Learning Data
↓
Decision

如果发生失败：

Result
↓
Feedback
↓
Failure
↓
Diagnosis
↓
Repair
↓
Execution
↓
Result
↓
Feedback

因此 MemoryExperienceService 实际上成为 ICAI 中连接：

过去 → 当前 → 未来

的重要 Service。

二十三、ICAI中的“学习”重新定义

传统人工智能语境中的“学习”很容易被理解为模型训练。

ICAI 中的学习不是这个含义。

ICAI 的学习可以定义为：

Learning = History Update + Memory Update + Experience Formation + Rule/Data Update

即：

学习 = 历史更新 + 记忆更新 + 经验形成 + 规则/数据更新

例如：

发生事件
↓
形成History
↓
保存重要信息
↓
形成Memory
↓
比较多次历史
↓
形成Experience
↓
形成Learning Data
↓
影响下一次Decision

因此学习的结果不是一个黑盒模型参数，而是：

新增事实
新增关系
更新记忆
更新经验
更新权重
更新规则
更新统计数据
更新决策依据

所有变化都能够追溯到具体来源。

二十四、可解释学习

ICAI 的学习必须能够回答：

为什么形成这个经验？

例如：

Experience E10

其来源可以追溯：

E10
↓
Memory M1
Memory M2
Memory M5
↓
History H10
History H11
History H15
↓
Result
Feedback
Condition

因此：

Experience → Memory → History → Actual Event

可以完整追溯。

同样，当 DecisionService 使用 Experience E10 时，也可以追溯：

Decision
↓
Experience E10
↓
Memory
↓
History
↓
Actual Result

这就是 ICAI 的可解释性和可追溯性基础。

二十五、本章核心模型

MemoryExperienceService 最终可以定义为：

MES = History + Memory + Experience + Learning Data

其中：

History = Actual Past Facts

Memory = Retained Cognitive Information

Experience = Structured Pattern From Past

Learning Data = Data Used For Future Cognitive Computation

四者之间形成：

History → Memory → Experience → Learning Data

而实际工程中还存在：

Feedback → History

以及：

Learning Data → Decision

最终形成：

Feedback → History → Memory → Experience → Learning Data → Decision

然后再次进入：

Behavior → Execution → Result → Feedback

从而形成闭环：

Decision → Behavior → Execution → Result → Feedback → History → Memory → Experience → Learning Data → Decision

二十六、本章总结

MemoryExperienceService 的核心价值，是把 ICAI 从一次性的执行系统推进到具有历史连续性和经验积累能力的认知系统。

它首先保存实际发生的历史事实。

然后从历史中筛选具有认知价值的信息形成 Memory。

再通过多次历史、条件、结果和关系的比较形成 Experience。

最后将这些信息整理为可以参与后续规则计算、能力判断、方法选择和决策计算的 Learning Data。

因此：

History 记录过去。

Memory 保存有价值的过去信息。

Experience 组织过去形成的结构化模式。

Learning Data 为未来认知计算提供数据。

最终形成：

过去发生什么 → History

过去记住什么 → Memory

过去学到了什么 → Experience

未来计算使用什么 → Learning Data

再通过：

Learning Data → Decision → Behavior → Execution → Result → Feedback

重新进入认知循环。

这意味着 ICAI 的“学习”并不依赖大模型、Transformer、Embedding、Vector Search 或其他生成式模型机制，而是建立在：

事实 + 历史 + 记忆 + 关系 + 条件 + 结果 + 经验 + 规则 + 离散计算

之上。

因此可以将本章最终模型确定为：

ICAI Learning = History + Memory + Experience + Learning Data + Feedback

其完整认知闭环为：

Need → Goal → Capability → Method → Decision → Behavior → Action → Execution → Result → Feedback → History → Memory → Experience → Learning Data → Decision

至此，ICAI 已经形成从“目标产生”到“执行”，再从“执行结果”返回“历史、记忆、经验和下一次决策”的完整工程闭环。

第181章 MemoryExperienceService

第181章 MemoryExperienceService

一、MemoryExperienceService定义

二、历史

2.1 History定义

2.2 History不是Memory

三、记忆

3.1 Memory定义

3.2 记忆形成

四、记忆读取

五、经验

5.1 Experience定义

六、经验不是历史记录

七、经验形成

History

Memory

Comparison

Relation

Pattern

Experience

八、学习数据

8.1 Learning Data定义

8.2 学习数据来源

九、学习数据与Experience的关系

十、MemoryExperienceService的核心处理流程

十一、记忆筛选

十二、记忆权重

十三、记忆衰减

十四、经验验证

十五、历史与记忆关系

十六、记忆与经验关系

十七、学习数据更新

十八、学习数据如何影响DecisionService

十九、MemoryExperienceService PHP结构

二十、数据库结构

20.1 histories

20.2 memories

20.3 memory_relations

20.4 experiences

20.5 experience_relations

20.6 learning_data

二十一、MemoryExperienceService与Repository边界

二十二、统一学习闭环

二十三、ICAI中的“学习”重新定义

二十四、可解释学习

二十五、本章核心模型

二十六、本章总结