FROST的复利效应：为什么你的AI Agent需要一本知识账本？

FROST的复利效应：为什么你的AI Agent需要一本"知识账本"？作者：神通说日期：2026-07-29 主题：双项目联动 | 周三轮换阅读时间：10分钟 ...

Dev.to · Jul 29, 2026

FROST的复利效应：为什么你的AI Agent需要一本"知识账本"？

作者：神通说

日期：2026-07-29

主题：双项目联动 | 周三轮换

阅读时间：10分钟

一个灵魂拷问

你的AI Agent，每次执行完任务后，学到了什么？

如果你的回答是"什么都没学到"——恭喜你，你发现了99%的Agent框架都回避的问题。

Agent执行完任务，经验去哪了？
下一次执行类似任务，能比这次做得更好吗？
如果一个Agent"退休"了，它积累的能力能传给下一代吗？

这三个问题，就是FROST和FROST-SOP这对双生子项目要解决的核心命题。

一、Agent的"知识失忆症"

让我先讲一个真实场景。

昨天，我的Agent帮我完成了一个数据分析任务——清洗3万道题目的知识点映射。它花了整整3个小时，尝试了3种算法，最终找到了一个98.7%成功率的方案。

今天，我让它做一个类似的任务——清洗另一个数据集的知识点映射。

你猜怎么着？它从零开始。之前踩过的坑、尝试过的算法、最终的最优方案——全部清零。

这不是智能，这是失忆。

传统的Agent框架把每次执行都当作"一次性消费品"：执行→输出→丢弃。Agent像一个永远在新公司第一天上班的员工，每天都在重复学习昨天的教训。

这就像你每天醒来，发现银行卡余额归零了。不管昨天赚了多少钱，今天都从零开始。

你永远不会变富。

二、复利效应：知识也可以"利滚利"

爱因斯坦说过（不管他有没有真的说过）：

复利是世界第八大奇迹。理解它的人赚取它，不理解的人支付它。

在金融世界，复利的核心很简单：今天的收益，成为明天的本金。

FROST的设计哲学，就是把这种"复利效应"引入Agent系统。

FROST的"知识账本"：Store + Skill + 宪法

FROST（Fractal Runtime of Orchestrated Skills & Tasks）用三个核心机制实现Agent的知识复利：

1. Store——知识账户

每个Agent都有一个Store（记忆容器），类似于一个"知识银行账户"。每次任务执行的结果、学到的经验、发现的规律，都会存入Store。

from frost.core import Store, Agent

# 创建Agent的记忆账户
store = Store(config={
    "backend": "persistent",  # 持久化存储，不会因重启丢失
    "namespace": "data_analyst"
})

# Agent完成任务后，自动存储经验
store.save("kp_mapping_strategy", {
    "algorithm": "embedding_semantic_match",
    "success_rate": 0.987,
    "failed_cases": ["模糊概念", "跨学科交叉"],
    "lesson": "优先使用Embedding语义匹配，关键词匹配作为降级方案",
    "timestamp": "2026-07-28T15:30:00+08:00"
})

Enter fullscreen mode Exit fullscreen mode

下次执行类似任务时，Agent不是从零开始，而是先查"账"：

# 新任务开始时，先查历史经验
previous_strategy = store.load("kp_mapping_strategy")

if previous_strategy:
    # 站在"前任"的肩膀上
    print(f"历史成功率: {previous_strategy['success_rate']}")
    print(f"避坑指南: {previous_strategy['lesson']}")
    # 直接使用已验证的策略，而不是重新摸索

Enter fullscreen mode Exit fullscreen mode

2. Skill——能力资产化

在FROST中，Skill不是临时的函数调用，而是可复用、可传承的能力资产。

一个Skill被创建后，它就成为了Agent家族的"固定资产"。任何后代Agent都可以直接使用，不需要重新发明轮子。

from frost.core import skill

@skill(
    name="knowledge_point_mapping",
    version="1.2.0",
    description="将题目映射到知识点体系",
    inputs={"questions": list, "kp_tree": dict},
    outputs={"mapped": list, "success_rate": float}
)
def map_questions_to_kp(context):
    """知识点映射Skill - 经过3次迭代优化"""
    # v1: 关键词匹配 -> 成功率72%
    # v2: TF-IDF语义 -> 成功率89%
    # v3: Embedding匹配 -> 成功率98.7%
    strategy = context.store.load("kp_mapping_strategy")
    if strategy and strategy["success_rate"] > 0.9:
        # 直接复用已验证的策略
        return embedding_match(context, strategy)
    else:
        # 降级到基础方案
        return keyword_match(context)

Enter fullscreen mode Exit fullscreen mode

注意Skill的元数据：版本号、输入输出定义、描述。这不是装饰——这让它变成了一个可搜索、可组合、可审计的能力单元。

3. 宪法——知识的"利息规则"

FROST最独特的设计：宪法（Constitution）。

宪法定义了"知识如何流转"的规则。比如：

什么经验值得存入Store？（不是所有执行结果都有价值）
Skill在什么条件下可以升级版本？（避免不成熟的经验污染能力库）
知识在Agent之间如何传承？（父子Agent的记忆传递规则）

from frost.core import Constitution

# 定义知识流转规则
constitution = Constitution({
    "memory_policy": {
        "store_threshold": 0.8,  # 成功率>80%的经验才值得存储
        "retention_days": 90,    # 经验保留90天
        "inheritance": "full"    # 完整传承给子Agent
    },
    "skill_evolution": {
        "min_iterations": 3,     # 至少迭代3次才固化为Skill
        "max_version_bump": "minor"  # 单次最多小版本升级
    },
    "knowledge_sharing": {
        "scope": "family",       # 家族内共享
        "cross_family": "review_required"  # 跨家族需要审计
    }
})

Enter fullscreen mode Exit fullscreen mode

这就是"复利规则"——定义了什么知识值得积累、如何积累、如何传递。

三、从理论到工程：FROST-SOP的"知识工厂"

FROST用500行代码证明了"Agent知识复利"的可能性。但理论和工程之间，还有一条巨大的鸿沟。

FROST-SOP就是跨越这条鸿沟的工程平台。

如果说FROST是"知识复利"的设计图，FROST-SOP就是让复利真正运转起来的知识工厂。

SOP Store：生产级知识账户

FROST-SOP将FROST的Store概念升级为生产级实现：

from frost_sop.store import SOPStore

# 生产级Store: 支持持久化、版本控制、并发安全
store = SOPStore(
    backend="sqlite",  # 或 PostgreSQL, Redis
    config={
        "versioning": True,      # 每次修改保留历史版本
        "concurrent_safe": True, # 多Agent并发安全
        "audit_log": True,       # 所有操作留痕
        "backup_interval": 3600  # 每小时自动备份
    }
)

# 写入知识 - 自动版本化
store.put("data_cleaning_pipeline", {
    "steps": ["去重", "标准化", "异常检测", "知识点映射"],
    "total_records": 374000,
    "success_rate": 0.987,
    "last_updated": "2026-07-28"
})

# 查看历史版本 - 知识的"时光机"
versions = store.history("data_cleaning_pipeline")
for v in versions:
    print(f"v{v.version}: {v.timestamp} - {v.change_summary}")
# v1.0: 2026-07-26 - 初始化，关键词匹配
# v1.1: 2026-07-27 - 升级TF-IDF
# v1.2: 2026-07-28 - 升级Embedding，成功率98.7%

Enter fullscreen mode Exit fullscreen mode

Skill Registry：能力资产市场

FROST-SOP的Skill Registry让能力资产真正"流通"起来：

from frost_sop.registry import SkillRegistry

registry = SkillRegistry()

# 注册一个经过验证的Skill
registry.register(
    skill_id="kp_mapping_v3",
    skill=map_questions_to_kp,
    metadata={
        "author": "data_analyst_agent",
        "tested_iterations": 5,
        "avg_success_rate": 0.987,
        "compatible_inputs": ["math_questions", "physics_questions"],
        "dependencies": ["embedding_service", "kp_tree_v2"]
    }
)

# 其他Agent可以发现和使用这个Skill
available = registry.search(
    capability="knowledge_mapping",
    min_success_rate=0.95
)
# -> 找到 kp_mapping_v3, 成功率98.7%

Enter fullscreen mode Exit fullscreen mode

这就像一个"能力市场"——Agent们可以发布自己积累的Skill，也可以搜索和使用别人积累的Skill。知识不再是一个Agent的私有财产，而是整个家族的公共资产。

EventBus：知识的"高速公路"

FROST-SOP的AsyncEventBus架构，让知识在Agent之间高速流转：

from frost_sop.event import AsyncEventBus

bus = AsyncEventBus()

# Agent A完成任务，发布"经验事件"
@bus.on("task.completed")
async def on_task_done(event):
    if event.success_rate > 0.8:
        # 高成功率 -> 自动存入知识库
        await store.put(
            f"experience/{event.task_type},
            event.experience
        )
        # 通知其他Agent
        await bus.emit("knowledge.updated", {
            "type": event.task_type,
            "new_skill": event.skill_name,
            "success_rate": event.success_rate
        })

# Agent B订阅"知识更新"事件，自动获取新能力
@bus.on("knowledge.updated")
async def on_knowledge_update(event):
    # 自动下载并安装新Skill
    new_skill = await registry.download(event["new_skill"])
    agent.install_skill(new_skill)
    print(f"获得新能力: {event['new_skill']}")

Enter fullscreen mode Exit fullscreen mode

这就是知识的高速公路——一个Agent学到的东西，可以通过事件总线，自动传播给整个Agent家族。

四、真实案例：37.4万道题目的知识复利

让我用一个真实案例来说明"知识复利"的威力。

背景

我在做一个教育项目（DeepTutor），需要将37.4万道题目映射到知识点体系。这是一个典型的"需要不断迭代优化"的任务。

用FROST+FROST-SOP的方式

第一周：基础建设

# Day 1: 创建知识点映射Skill v1
@skill(name="kp_mapping", version="1.0.0")
def kp_mapping_v1(context):
    """第一版 - 关键词匹配"""
    results = []
    for question in context.questions:
        matched = keyword_search(question.text, context.kp_tree)
        results.append({"question": question, "kp": matched})
    return results

# 成功率: 72%
# 经验存入Store
store.save("kp_mapping_experience", {
    "version": "1.0.0",
    "success_rate": 0.72,
    "failure_pattern": "同义词无法识别",
    "next_step": "引入语义相似度"
})

Enter fullscreen mode Exit fullscreen mode

第二周：迭代优化

# Day 8: 基于上周经验，升级到v2
experience = store.load("kp_mapping_experience")

@skill(name="kp_mapping", version="2.0.0")
def kp_mapping_v2(context):
    """第二版 - TF-IDF语义匹配"""
    # 利用上周的经验，直接跳过已知的坑
    tfidf_matrix = build_tfidf(context.kp_tree)

    results = []
    for question in context.questions:
        scored = tfidf_search(question.text, tfidf_matrix, top_k=3)
        results.append({"question": question, "candidates": scored})
    return results

# 成功率: 89% -> 提升了17个百分点

Enter fullscreen mode Exit fullscreen mode

第三周：突破瓶颈

# Day 15: 再次基于累积经验，升级到v3

@skill(name="kp_mapping", version="3.0.0")
def kp_mapping_v3(context):
    """第三版 - Embedding语义匹配 + 学科上下文"""
    # 站在前两版的肩膀上
    embeddings = load_embeddings(context.kp_tree)

    results = []
    for question in context.questions:
        # 先识别学科上下文(v2的经验中学到的)
        subject = detect_subject(question.text)
        # 在对应学科的Embedding空间中搜索
        matched = embedding_search(
            question.text, embeddings[subject], 
            threshold=0.85
        )
        results.append({"question": question, "kp": matched})
    return results

# 成功率: 98.7% -> 又提升了近10个百分点!

Enter fullscreen mode Exit fullscreen mode

复利的力量

看看这个过程：

版本	成功率	关键改进	来源
v1.0	72%	关键词匹配	从零开始
v2.0	89%	TF-IDF语义	v1的失败经验
v3.0	98.7%	Embedding+学科上下文	v1+v2的累积经验

如果每次从零开始，我可能需要：

第1次：摸索到72%
第2次：重新踩坑，又摸索到72%，然后才到89%
第3次：再重新来一遍……

但有了"知识账本"，每一次迭代都站在前几次的肩膀上。72% -> 89% -> 98.7%，这不是线性增长，这是复利增长。

而这一切的基础，就是FROST的Store + Skill + Constitution三件套，加上FROST-SOP的SOP Store + Skill Registry + EventBus工程化实现。

五、你的Agent需要什么样的"知识账本"？

如果你也想让你的Agent系统拥有"知识复利"能力，这里有几个关键设计原则：

1. 经验要自动沉淀

不要让Agent"做完就忘"。每次任务完成后，自动提取经验、评估质量、决定是否入库。

# FROST-SOP的自动经验沉淀机制
@bus.on("task.completed")
async def auto_experience_extraction(event):
    experience = {
        "task_type": event.task_type,
        "inputs_summary": summarize(event.inputs),
        "outputs_summary": summarize(event.outputs),
        "success_rate": event.success_rate,
        "anomalies": detect_anomalies(event.logs),
        "timestamp": now()
    }

    # 自动评估质量
    if experience["success_rate"] > constitution["store_threshold"]:
        await store.put(
            f"experience/{event.task_type}/{event.timestamp}",
            experience
        )

Enter fullscreen mode Exit fullscreen mode

2. 能力要可组合

单个Skill的价值有限，但Skill之间的组合可以创造指数级价值。

# FROST-SOP的Skill组合
from frost_sop.composer import SkillComposer

composer = SkillComposer()

# 组合多个Skill为一个工作流
workflow = composer.compose([
    "data_cleaner_v2",      # 数据清洗
    "kp_mapping_v3",        # 知识点映射(复利产物)
    "quality_checker_v1",   # 质量检查
    "report_generator_v2"   # 报告生成
])

# 这个工作流本身也变成了一个可复用的Skill
composer.save(workflow, name="full_pipeline_v1")

Enter fullscreen mode Exit fullscreen mode

3. 知识要有"保质期"

不是所有经验都永远有效。市场在变、数据在变、规则在变。FROST的Constitution机制让你可以定义知识的"保质期"：

constitution = Constitution({
    "memory_policy": {
        "retention_days": 90,        # 经验保留90天
        "decay_function": "exponential",  # 指数衰减
        "refresh_on_use": True       # 被使用时续期
    }
})

Enter fullscreen mode Exit fullscreen mode

写在最后

回到开头的三个问题：

Agent执行完任务，经验去哪了？
下一次执行类似任务，能比这次做得更好吗？
如果一个Agent"退休"了，它积累的能力能传给下一代吗？

FROST的答案是：经验存入Store，能力固化为Skill，传承依靠宪法。

FROST-SOP的答案是：把这些理论变成生产级工程实现，让知识复利真正跑起来。

在这个体系里，Agent不是"用完即弃"的工具，而是"越用越聪明"的伙伴。每一次执行都是一次存款，每一个Skill都是一笔资产，每一次传承都是一次复利。

你的Agent，值得拥有自己的知识账本。

项目地址

FROST(教学框架): https://gitee.com/liao_liang_7514/frost
FROST-SOP(工程平台): https://gitee.com/liao_liang_7514/frost-sop

FROST 是思想源头，FROST-SOP 是思想开花结果。
细胞会死，但谱系会存续。Agent会消亡，但宪法会传承。资产会永存。

如果这篇文章让你重新思考了"Agent的知识管理"，欢迎点赞、收藏、关注。每周三，我们聊聊FROST双项目的联动实践。

Read the original source Next news

#Ai

FROST的复利效应：为什么你的AI Agent需要一本知识账本？

FROST的复利效应：为什么你的AI Agent需要一本"知识账本"？

一个灵魂拷问

一、Agent的"知识失忆症"

二、复利效应：知识也可以"利滚利"

FROST的"知识账本"：Store + Skill + 宪法

三、从理论到工程：FROST-SOP的"知识工厂"

SOP Store：生产级知识账户

Skill Registry：能力资产市场

EventBus：知识的"高速公路"

四、真实案例：37.4万道题目的知识复利

背景

用FROST+FROST-SOP的方式

复利的力量

五、你的Agent需要什么样的"知识账本"？

1. 经验要自动沉淀

2. 能力要可组合

3. 知识要有"保质期"

写在最后

0 Comments