02. Tick、认知轮与每日循环

本章回答什么

Agent 同时活在三个时间尺度中：

• Tick：身体和房间持续运行；
• 认知轮：遇到真正选择点时决定继续还是改变；
• 慢整合循环：回顾较长时期，调整认识和未来方向。

三种循环必须共享状态，但只有一个主控制循环有权真正修改状态。大模型和反思只返回建议。

一、MVP 的时间契约

以下是首轮验证用配置，不是最终调优值：

项目	起始配置	目的
模拟 Tick	每 0.1 模拟秒一次	推进房间、身体和技能
感官采样	每 Tick	短事件不会穿过采样间隙
普通事件合并窗	1 模拟秒	合并连续说话、灯光抖动等重复输入
每轮注意容量	普通事件 Top 3	防止一次处理整个房间
普通认知请求	同一时刻最多 1 个	防止并发思考互相覆盖
模型等待上限	5 秒真实时间	超时后进入确定性回退
普通意图最短驻留	30 模拟秒	防止频繁改变主意
慢整合最短间隔	6 模拟小时	防止重大事件连续触发反思风暴
慢整合最长间隔	24 模拟小时	即使不睡觉也不会永远不整理

模拟时间与真实时间分开。暂停时模拟时间不前进；加速只增加模拟 Tick 的处理速度，不改变状态变化的“每模拟分钟”速率。渲染掉帧不能改变同一模拟时刻的结果。

二、每个 Tick：让事实发生

每个 Tick 固定按以下顺序：

1. 推进房间和对象状态；
2. 积分精力、饥饿等连续状态；
3. 根据方向、遮挡、距离、声音和触觉产生感觉候选；
4. 由注意机制选出当前观察；
5. 推进唯一一个正在执行的身体技能；
6. 产生进度、成功、失败或中断事件；
7. 合并和锁存尚未处理的重要事件；
8. 检查是否触发认知轮；
9. 在 Tick 边界统一提交所有合法状态变化。

Tick 不等待大模型。瞬时事件至少保存到被认知轮消费，不能因为只出现半秒就丢失。

三、什么会触发认知轮

触发门由稳定规则粗判，不先问大模型：

• 当前任务完成；
• 技能失败、超时或没有进展；
• 身体缺口跨过进入阈值；
• 碰撞、疼痛、物品滑落等强制事件；
• 可见对象发生明显版本变化；
• 人类开始请求、说完一段话或移动关键对象；
• 当前计划依赖的条件失效；
• 到达检查点或 Agent 空闲。

同一个对象、同一种属性、同一个版本只生成一次事件。稳定重复刺激会逐渐习惯化；真正变化会重新获得注意。危险与系统停止绕过普通队列，在一个 Tick 内生效。

普通事件队列首轮上限为 32。超出时合并同类并丢弃最低优先的重复项，同时留下“发生过溢出”的审计记录；安全事件永不因队列满而丢弃。

四、候选行为从哪里来

认知轮不是先问大模型“你想干什么”。系统从七个固定来源产生少量主观可计划候选：

1. 当前承诺：继续、恢复或做当前目标的下一任务；
2. 身体调节：进食、休息、避险等；
3. 长期承诺：目标、承诺、照护、义务和禁止事项；
4. 生活实践：由时间、地点、对象或关系线索触发的习惯/仪式；
5. 当前观察：调查变化、处理障碍、利用新机会；
6. 人类互动：回应、接受、拒绝、协商、延后或结束互动；
7. 空闲候选：探索、恢复、等待或推进长期作品。

每个候选带有：来源、想得到的结果、依据的认识、预计收益、成本、风险、需要的对象，以及可使用的任务模板。

候选只依据 Agent 当前认识生成。杯子在视野外被移走后，“去原位置拿杯子”仍可成为候选；只有执行到现场，世界系统才判定它是否成功。

五、认知轮怎样选择

第一步：硬约束

只有两类具有绝对优先权：

• 身体/世界硬安全；
• 白名单系统控制，如暂停和安全停止。

第二步：Agent 受保护立场

已激活的明确禁忌、关系边界、禁止事项和义务不进入普通分数相加。它们先产生 Agent 侧否决或“规则冲突事项”。

• 没有冲突时，只保留遵守边界的候选；
• 两条受保护立场冲突时，候选只能是遵守其中一方、协商、延后，或明确承担后果地改例/违背；
• 人类高收益请求、重复请求或便利性不能静默冲掉已经建立的禁触与静音边界。

这不是世界硬约束：Agent 仍可能改变或违背自己的规则，但必须成为一次有原因、有后果、可记忆的显式决定。

第三步：统一权衡软候选

其余候选使用同一个简单框架：

吸引力 =
  身体缺口缓解
  + 目标或承诺进展
  + 价值与情境规则匹配
  + 关系/实践意义
  + 预期成功
  - 时间与精力成本
  - 风险
  - 打断当前承诺的切换代价

大模型可以判断复杂的“意义是否匹配”，但基础缺口、时间、风险和切换代价由稳定系统给出。

最终裁决权固定如下：

• 稳定系统先把总吸引力归一化为 0..1；
• 若第一名比第二名高出至少 0.15，稳定系统直接选择，大模型不能改选；
• 只有差距小于 0.15 的近似并列候选会交给大模型；
• 大模型只能在这组并列候选中选择，并引用角色、关系、物品或场合证据；
• 若大模型失败，则用固定种子的低温随机在并列组中选择。

新候选仍需越过相对于当前承诺的切换阈值才抢占。

第四步：提交下一行为

认知轮最终只能得到一种结果：

• 继续当前技能；
• 提交一个新任务；
• 保存当前进度并暂停；
• 等待/观察；
• 拒绝、协商、延后或结束互动；
• 进入安全或故障状态。

纯内心独白不算完成一轮。

六、一次认知轮的固定顺序

1. 冻结本轮相关状态
2. 消费 Top-3 事件并更新认识
3. 处理硬安全与系统控制
4. 激活相关需要、承诺、关系、情境规则和实践
5. 从七个来源生成候选
6. 取回少量相关经历与反证
7. 计算基础吸引力，必要时让大模型处理语义冲突
8. 选择继续、切换、拒绝、等待或求助
9. 把意图拆成有界的近期任务
10. 检查任务模板与主观前置条件
11. 提交唯一下一技能或明确状态

七、异步大模型怎样安全加入循环

同一决策领域只能有一个请求在等待。新普通事件先合并进下一轮；危险可以取消当前请求。

每个模型建议都标明：

• 它属于哪次认知轮；
• 基于哪个目标、对象和关键认识版本；
• 最迟何时仍有效；
• 它选择了哪个已有候选或任务模板。

模型返回时，只检查它真正依赖的字段。无关的饥饿小幅变化不会让地点选择永久过期；关键杯子、目标或人类请求已改变则必须丢弃。

只有主循环能在 Tick 边界一次性提交建议。重复回调只提交一次；过期、非法或超时答案零副作用。

确定性回退

• 当前技能仍安全：继续到可暂停点；
• 当前技能结束且身体需要紧迫：选择最高紧迫的可用自我照顾；
• 其他情况：短暂观察或等待；
• 危险：立即由安全规则接管。

八、控制状态与故障恢复

Agent 始终处于一个明确控制状态：

状态	含义
RUNNING	正常执行技能
WAITING_DECISION	安全等待慢决策，但房间仍运行
SAFE_HOLD	停在不会继续造成副作用的位置
PAUSED	系统暂停，模拟时间不推进
DEGRADED	关键资源、传感或模型不可用，采用有限生活方式
FAULT	无法保证安全或一致性，停止普通行为等待处理

技能没有进度心跳、模型反复失败、队列持续溢出或状态非法时，进入相应降级/故障状态，而不是无限重试。

安全暂停只冻结执行，不修改记忆、关系和意图。重置、回滚或删除记忆属于管理员操作：必须先快照、留下审计记录，也不能被记成 Agent 自己的选择。

九、不可满足需要怎样处理

负反馈只有在房间存在调节手段时才闭合。若食物耗尽：

1. 进食候选失败并得到可感知原因；
2. 在配置的同方法重试上限内重新观察；
3. 尝试替代、求助或等待补给；
4. 锁定为“当前不可达”，进入退避；
5. 缺口保持有界，不再每 Tick 触发认知；
6. 新补给出现后解除锁定。

这种保护同样用于人类长期缺席、工具损坏和目标对象永久不可达。

十、慢整合循环

慢整合可由睡眠、日落、饭后实践或阶段结束触发，但必须遵守最短/最长间隔。

重大事件只标记“待整合”，不会立刻连续运行多次反思。

慢整合依次：

1. 汇总真实完成、失败、放弃和外部干预；
2. 合并重复经历，保留原始证据与争议；
3. 更新对物、人、区域和实践的认识；
4. 检查长期承诺的进展与可行性；
5. 在每日变化预算内调整少量目标和关系结论；
6. 产生下一阶段的几个粗时间块。

慢建议基于一个一致快照，返回时只合并仍有效部分，不能覆盖刚刚发生的短期承诺。

十一、三个循环怎样闭合

慢整合给出方向与承诺
→ 认知轮从固定来源生成并选择候选
→ Tick 把唯一技能变成身体结果
→ 结果更新状态、认识、目标和记忆
→ 新事件触发下一认知轮
→ 多轮经历再次进入慢整合

十二、观察与回放

每条因果链共享一个编号：

外部事件
→ Agent 观察
→ 状态变化
→ 认知触发
→ 候选集
→ 选择与拒绝原因
→ 技能
→ 世界结果

玩家界面至少显示视线/手部目标、当前意图与进度、最近一次改变主意的简短原因。开发视图才显示完整参数与日志，且不能泄露给 Agent。

固定事件序列、随机种子和已录制模型回答后，模拟应能重放出相同关键轨迹。

本章的设计检查

三个循环只有在以下问题都有明确答案时才算可运行：

1. 时间按什么基准推进；
2. 哪些事件触发认知，重复事件如何合并；
3. 候选从哪些固定来源产生；
4. 主观可计划与物理可执行在哪里分开；
5. 谁能抢占当前承诺；
6. 模型等待、过期、非法和重复答案如何处理；
7. 每轮怎样保证落到唯一技能、等待、拒绝或安全状态；
8. 资源不可达时怎样停止积分饱和与调用风暴；
9. 慢整合怎样避免饿死、自激和覆盖新状态；
10. 因果是否可见、可记录和可重放。