Forge Decision Context将跨会话纠错转化为智能体规则

摘要：Forge Decision Context（forge_dc）面向智能体无法跨会话继承行为规则的问题，从人工纠正和工具调用失败中提炼命令式 RULE 指令，并仅在相关决策点注入上下文。作者在包含71个场景、9类行为维度的 DC-Bench 上报告95%的遵循率，较朴素检索的55%明显提升，同时每次查询注入的Token量约减少10倍。该方案把持久记忆的关键从保存事实转向程序性知识，并揭示了表示、激活与放置三个工程设计维度。

---

核心问题：智能体记住了事实，却没有学会行为

大模型智能体可以跨会话保存用户偏好、实体信息和对话历史，却很难保留“应该怎样行动”这类程序性知识。结果是，用户不得不在新会话开始时重复纠正同一错误，智能体表面的记忆系统更像检索档案，而不是可执行的制度层。

Forge Decision Context（forge_dc）将这种行为经验重新表示为明确的命令式规则。其处理链分为三步：从人工纠正和智能体自我评估的工具调用失败中提取行为信号；将这些信号编译为带有适用范围的 RULE 指令；最后只在相关决策点把规则注入上下文，而不是每轮请求都附带完整记忆库。

这一设计的关键并不只是“记住更多”，而是改变记忆的单位：从陈述性事实转向面向行为的约束。

表示、激活与放置：持久行为记忆的三个工程层

forge_dc 的机制可以拆成三个相互关联的层次。

第一层是表示。 行为信息被编译为命令式规则，而不是普通对话摘要或向量片段。规则更接近智能体的执行接口，既能表达禁止项，也能表达在特定条件下必须采取的动作。其工程价值在于降低模型从模糊历史中重新归纳意图的概率。

第二层是激活。 系统需要判断一条规则何时与当前任务相关。如果把所有规则永久拼进提示词，Token成本会随记忆增长而上升，而且无关规则可能干扰当前决策。forge_dc 采用按决策点激活的方式，只暴露当前所需的行为上下文。

第三层是放置。 规则被注入实际需要约束的决策位置，而不是统一塞在系统提示开头。对于工具选择、参数生成或动作执行等不同节点，约束的作用时机不同；更靠近决策点的提示通常能减少模型在长链路中遗忘规则，但具体收益仍取决于上下文结构、模型位置编码和任务链路长度。

从系统实现角度看，这类方案可以被视为一种面向决策点的外部状态管理：规则库负责持久状态，路由器负责选择相关规则，执行器负责把规则转化为工具调用约束。它不需要重新训练基础模型，但会增加规则抽取、冲突消解、版本管理和运行时分发的工程复杂度。

DC-Bench评测：95%遵循率与更低的上下文开销

作者构建了 DC-Bench，包含71个场景，覆盖9类行为维度。场景由真实执行过的智能体轨迹改造而来，并运行在确定性模拟工具环境中，以减少外部服务波动对评测的干扰。

论文报告，forge_dc 的行为遵循率达到95%，朴素检索方案为55%。同时，forge_dc 每次查询注入的Token量约少10倍，说明“按需注入”不仅改善规则使用效果，也降低了常驻上下文成本。

不过，这一结果需要结合评测边界理解。模拟工具环境提高了可重复性，却不能完全代表真实生产系统中的网络延迟、工具返回噪声、权限失败和状态漂移。论文还比较了四种既有方案，但摘要没有披露各方法的模型配置、采样参数、规则冲突处理方式、统计显著性以及跨模型泛化结果。因此，95%更准确地说是作者在DC-Bench上报告的结果，而不是对所有智能体框架的普遍保证。

工程权衡：低成本上下文并不等于低成本维护

forge_dc 的主要收益是把长期行为约束从“每次重述”变成“按需装载”。但完整部署至少需要处理以下问题。

首先是规则抽取可靠性。用户纠正可能包含情绪、解释和多个相互冲突的要求，系统必须判断哪些内容应长期保存，避免把一次性要求固化为永久规则。工具调用失败同样不能全部视为行为错误，其中可能包含瞬时网络故障、参数依赖缺失或外部服务异常。

其次是规则冲突与优先级。同一会话可能同时出现“始终使用某接口”和“仅在调试时使用某接口”等条件指令。系统需要为规则记录来源、时间、作用域、置信度和优先级，并建立撤销与过期机制，否则旧规则可能在新任务中继续生效。

再次是上下文放置成本。减少约10倍注入Token并不意味着总推理成本同比例下降。系统仍需执行规则匹配，而当规则库扩大后，路由器的召回与误激活会成为新的瓶颈。若使用向量检索或LLM判断激活条件，还会增加额外模型调用或索引维护成本。

最后是安全边界。自我评估的失败不能直接被视作可靠监督，否则智能体可能从正常业务异常中学习出错误禁令。持久规则应支持溯源、审计、删除和用户确认，尤其在金融、运维和企业数据代理等高风险场景中。

开发者落地建议

1. 将行为规则与事实记忆分开存储。 前者保存条件和动作，后者保存用户、实体和历史事实，避免检索机制混淆语义类型。
2. 让规则带有作用域和生命周期。 至少记录来源、适用工具、触发条件、创建时间、置信度与过期策略。
3. 优先在高风险决策点注入。 工具调用、权限请求、删除操作和不可逆动作比普通问答更需要行为约束。
4. 保留用户确认通道。 对高影响规则进行确认，对一次性纠正设置短期TTL，防止错误经验长期污染系统。
5. 用真实轨迹回归测试。 除遵循率外，同时统计无关规则误激活率、规则覆盖率、Token成本、端到端延迟及错误恢复次数。
6. 验证跨模型迁移。 规则由一个模型抽取、由另一个模型执行时，语义漂移和格式遵从率需要单独测量。

forge_dc 的核心贡献并非另一个通用记忆仓库，而是把持久学习拆解为行为知识的表示、激活与放置。它为智能体跨会话积累操作规范提供了一条更轻量的路径，但走向生产仍取决于规则抽取、冲突治理和真实环境中的独立复现。

---

消息来源：ArXiv AI (cs.AI) (2026-11-10)

—— 完 ——

主题标签： #Forge Decision Context 关注 #智能体记忆 关注 #行为学习 关注 #决策上下文 关注 #DC-Bench 关注