FROST的複利效應：為什麼你的AI Agent需要一本知識帳本？

FROST的複利效應：為什麼你的AI Agent需要一本「知識帳本」？作者：神通說日期：2026-07-29 主題：雙專案連動 | 週三輪換閱讀時間：10分鐘 ...

Dev.to · Jul 29, 2026

FROST的複利效應：為什麼你的AI Agent需要一本「知識帳本」？

作者：神通說

日期：2026-07-29

主題：雙專案連動 | 週三輪換

閱讀時間：10分鐘

一個靈魂拷問

你的AI Agent，每次執行完任務後，學到了什麼？

如果你的回答是「什麼都沒學到」——恭喜你，你發現了99%的Agent框架都迴避的問題。

Agent執行完任務，經驗去哪了？
下一次執行類似任務，能比這次做得更好嗎？
如果一個Agent「退休」了，它累積的能力能傳給下一代嗎？

這三個問題，就是FROST和FROST-SOP這對雙生子專案要解決的核心命題。

一、Agent的「知識失憶症」

讓我先講一個真實場景。

昨天，我的Agent幫我完成了一個資料分析任務——清洗3萬道題目的知識點對應。它花了整整3個小時，嘗試了3種演算法，最終找到了一個98.7%成功率的方案。

今天，我讓它做一個類似的任務——清洗另一個資料集的知識點對應。

你猜怎麼樣？它從零開始。之前踩過的坑、嘗試過的演算法、最終的最優方案——全部歸零。

這不是智慧，這是失憶。

傳統的Agent框架把每次執行都當作「一次性消費品」：執行→輸出→丟棄。Agent像一個永遠在新公司第一天上班的員工，每天都在重複學習昨天的教訓。

這就像你每天醒來，發現銀行卡餘額歸零了。不管昨天賺了多少錢，今天都從零開始。

你永遠不會變富。

二、複利效應：知識也可以「利滾利」

愛因斯坦說過（不管他有沒有真的說過）：

複利是世界第八大奇蹟。理解它的人賺取它，不理解的人支付它。

在金融世界，複利的核心很簡單：今天的收益，成為明天的本金。

FROST的設計哲學，就是把這種「複利效應」引入Agent系統。

FROST的「知識帳本」：Store + Skill + 憲法

FROST（Fractal Runtime of Orchestrated Skills & Tasks）用三個核心機制實現Agent的知識複利：

1. Store——知識帳戶

每個Agent都有一個Store（記憶容器），類似於一個「知識銀行帳戶」。每次任務執行的結果、學到的經驗、發現的規律，都會存入Store。

from frost.core import Store, Agent

# 建立Agent的記憶帳戶
store = Store(config={
    "backend": "persistent",  # 持久化儲存，不會因重啟而遺失
    "namespace": "data_analyst"
})

# Agent完成任務後，自動儲存經驗
store.save("kp_mapping_strategy", {
    "algorithm": "embedding_semantic_match",
    "success_rate": 0.987,
    "failed_cases": ["模糊概念", "跨學科交叉"],
    "lesson": "優先使用Embedding語義匹配，關鍵詞匹配作為降級方案",
    "timestamp": "2026-07-28T15:30:00+08:00"
})

Enter fullscreen mode Exit fullscreen mode

下次執行類似任務時，Agent不是從零開始，而是先查「帳」：

# 新任務開始時，先查歷史經驗
previous_strategy = store.load("kp_mapping_strategy")

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

Enter fullscreen mode Exit fullscreen mode

2. Skill——能力資產化

在FROST中，Skill不是臨時的函式呼叫，而是可重複使用、可傳承的能力資產。

一個Skill被建立後，它就成為了Agent家族的「固定資產」。任何後代Agent都可以直接使用，不需要重新發明輪子。

from frost.core import skill

@skill(
    name="knowledge_point_mapping",
    version="1.2.0",
    description="將題目對應到知識點體系",
    inputs={"questions": list, "kp_tree": dict},
    outputs={"mapped": list, "success_rate": float}
)
def map_questions_to_kp(context):
    """知識點對應Skill - 經過3次迭代優化"""
    # v1: 關鍵詞匹配 -> 成功率72%
    # v2: TF-IDF語義 -> 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:
        # 直接重複使用已驗證的策略
        return embedding_match(context, strategy)
    else:
        # 降級到基礎方案
        return keyword_match(context)

Enter fullscreen mode Exit fullscreen mode

注意Skill的元資料：版本號、輸入輸出定義、描述。這不是裝飾——這讓它變成了一個可搜尋、可組合、可稽核的能力單元。

3. 憲法——知識的「利息規則」

FROST最獨特的設計：憲法（Constitution）。

憲法定義了「知識如何流轉」的規則。比如：

什麼經驗值得存入Store？（不是所有執行結果都有價值）
Skill在什麼條件下可以升級版本？（避免不成熟的經驗污染能力庫）
知識在Agent之間如何傳承？（父子Agent的記憶傳遞規則）

from frost.core import Constitution

# 定義知識流轉規則
constitution = Constitution({
    "memory_policy": {
        "store_threshold": 0.8,  # 成功率>80%的經驗才值得儲存
        "retention_days": 90,    # 經驗保留90天
        "inheritance": "full"    # 完整傳承給子Agent
    },
    "skill_evolution": {
        "min_iterations": 3,     # 至少迭代3次才固化為Skill
        "max_version_bump": "minor"  # 單次最多小版本升級
    },
    "knowledge_sharing": {
        "scope": "family",       # 家族內共享
        "cross_family": "review_required"  # 跨家族需要稽核
    }
})

Enter fullscreen mode Exit fullscreen mode

這就是「複利規則」——定義了什麼知識值得累積、如何累積、如何傳遞。

三、從理論到工程：FROST-SOP的「知識工廠」

FROST用500行程式碼證明了「Agent知識複利」的可能性。但理論和工程之間，還有一條巨大的鴻溝。

FROST-SOP就是跨越這條鴻溝的工程平台。

如果說FROST是「知識複利」的設計圖，FROST-SOP就是讓複利真正運轉起來的知識工廠。

SOP Store：生產級知識帳戶

FROST-SOP將FROST的Store概念升級為生產級實現：

from frost_sop.store import SOPStore

# 生產級Store: 支援持久化、版本控制、並發安全
store = SOPStore(
    backend="sqlite",  # 或 PostgreSQL, Redis
    config={
        "versioning": True,      # 每次修改保留歷史版本
        "concurrent_safe": True, # 多Agent並發安全
        "audit_log": True,       # 所有操作留痕
        "backup_interval": 3600  # 每小時自動備份
    }
)

# 寫入知識 - 自動版本化
store.put("data_cleaning_pipeline", {
    "steps": ["去重", "標準化", "異常檢測", "知識點對應"],
    "total_records": 374000,
    "success_rate": 0.987,
    "last_updated": "2026-07-28"
})

# 查看歷史版本 - 知識的「時光機」
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，關鍵詞匹配
# v1.1: 2026-07-27 - 升級TF-IDF
# v1.2: 2026-07-28 - 升級Embedding，成功率98.7%

Enter fullscreen mode Exit fullscreen mode

Skill Registry：能力資產市場

FROST-SOP的Skill Registry讓能力資產真正「流通」起來：

from frost_sop.registry import SkillRegistry

registry = SkillRegistry()

# 註冊一個經過驗證的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可以發現和使用這個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

這就像一個「能力市場」——Agent們可以發布自己累積的Skill，也可以搜尋和使用別人累積的Skill。知識不再是一個Agent的私有財產，而是整個家族的公共資產。

EventBus：知識的「高速公路」

FROST-SOP的AsyncEventBus架構，讓知識在Agent之間高速流轉：

from frost_sop.event import AsyncEventBus

bus = AsyncEventBus()

# Agent A完成任務，發布「經驗事件」
@bus.on("task.completed")
async def on_task_done(event):
    if event.success_rate > 0.8:
        # 高成功率 -> 自動存入知識庫
        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訂閱「知識更新」事件，自動取得新能力
@bus.on("knowledge.updated")
async def on_knowledge_update(event):
    # 自動下載並安裝新Skill
    new_skill = await registry.download(event["new_skill"])
    agent.install_skill(new_skill)
    print(f"獲得新能力: {event['new_skill']}")

Enter fullscreen mode Exit fullscreen mode

這就是知識的高速公路——一個Agent學到的東西，可以透過事件總線，自動傳播給整個Agent家族。

四、真實案例：37.4萬道題目的知識複利

讓我用一個真實案例來說明「知識複利」的威力。

背景

我在做一個教育專案（DeepTutor），需要將37.4萬道題目對應到知識點體系。這是一個典型的「需要不斷迭代優化」的任務。

用FROST+FROST-SOP的方式

第一週：基礎建設

# Day 1: 建立知識點對應Skill v1
@skill(name="kp_mapping", version="1.0.0")
def kp_mapping_v1(context):
    """第一版 - 關鍵詞匹配"""
    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%
# 經驗存入Store
store.save("kp_mapping_experience", {
    "version": "1.0.0",
    "success_rate": 0.72,
    "failure_pattern": "同義詞無法識別",
    "next_step": "引入語義相似度"
})

Enter fullscreen mode Exit fullscreen mode

第二週：迭代優化

# Day 8: 基於上週經驗，升級到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語義匹配"""
    # 利用上週的經驗，直接跳過已知的坑
    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個百分點

Enter fullscreen mode Exit fullscreen mode

第三週：突破瓶頸

# Day 15: 再次基於累積經驗，升級到v3

@skill(name="kp_mapping", version="3.0.0")
def kp_mapping_v3(context):
    """第三版 - Embedding語義匹配 + 學科上下文"""
    # 站在前兩版的肩膀上
    embeddings = load_embeddings(context.kp_tree)

    results = []
    for question in context.questions:
        # 先識別學科上下文(v2的經驗中學到的)
        subject = detect_subject(question.text)
        # 在對應學科的Embedding空間中搜尋
        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個百分點!

Enter fullscreen mode Exit fullscreen mode

複利的力量

看看這個過程：

版本	成功率	關鍵改進	來源
v1.0	72%	關鍵詞匹配	從零開始
v2.0	89%	TF-IDF語義	v1的失敗經驗
v3.0	98.7%	Embedding+學科上下文	v1+v2的累積經驗

如果每次從零開始，我可能需要：

第1次：摸索到72%
第2次：重新踩坑，又摸索到72%，然後才到89%
第3次：再重新來一遍……

但有了「知識帳本」，每一次迭代都站在前幾次的肩膀上。72% -> 89% -> 98.7%，這不是線性成長，這是複利成長。

而這一切的基礎，就是FROST的Store + Skill + Constitution三件套，加上FROST-SOP的SOP Store + Skill Registry + EventBus工程化實現。

五、你的Agent需要什麼樣的「知識帳本」？

如果你也想讓你的Agent系統擁有「知識複利」能力，這裡有幾個關鍵設計原則：

1. 經驗要自動沉澱

不要讓Agent「做完就忘」。每次任務完成後，自動提取經驗、評估品質、決定是否入庫。

# FROST-SOP的自動經驗沉澱機制
@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()
    }

    # 自動評估品質
    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. 能力要可組合

單個Skill的價值有限，但Skill之間的組合可以創造指數級價值。

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

composer = SkillComposer()

# 組合多個Skill為一個工作流程
workflow = composer.compose([
    "data_cleaner_v2",      # 資料清洗
    "kp_mapping_v3",        # 知識點對應(複利產物)
    "quality_checker_v1",   # 品質檢查
    "report_generator_v2"   # 報告生成
])

# 這個工作流程本身也變成了一個可重複使用的Skill
composer.save(workflow, name="full_pipeline_v1")

Enter fullscreen mode Exit fullscreen mode

3. 知識要有「保存期限」

不是所有經驗都永遠有效。市場在變、資料在變、規則在變。FROST的Constitution機制讓你可以定義知識的「保存期限」：

constitution = Constitution({
    "memory_policy": {
        "retention_days": 90,        # 經驗保留90天
        "decay_function": "exponential",  # 指數衰減
        "refresh_on_use": True       # 被使用時續期
    }
})

Enter fullscreen mode Exit fullscreen mode

寫在最後

回到開頭的三個問題：

Agent執行完任務，經驗去哪了？
下一次執行類似任務，能比這次做得更好嗎？
如果一個Agent「退休」了，它累積的能力能傳給下一代嗎？

FROST的答案是：經驗存入Store，能力固化為Skill，傳承依靠憲法。

FROST-SOP的答案是：把這些理論變成生產級工程實現，讓知識複利真正跑起來。

在這個體系裡，Agent不是「用完即棄」的工具，而是「越用越聰明」的夥伴。每一次執行都是一次存款，每一個Skill都是一筆資產，每一次傳承都是一次複利。

你的Agent，值得擁有自己的知識帳本。

專案地址

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

FROST 是思想源頭，FROST-SOP 是思想開花結果。
細胞會死，但譜系會存續。Agent會消亡，但憲法會傳承。資產會永存。

如果這篇文章讓你重新思考了「Agent的知識管理」，歡迎按讚、收藏、關注。每週三，我們聊聊FROST雙專案的連動實踐。

Read the original source Next news

#Ai

FROST的複利效應：為什麼你的AI Agent需要一本知識帳本？

FROST的複利效應：為什麼你的AI Agent需要一本「知識帳本」？

一個靈魂拷問

一、Agent的「知識失憶症」

二、複利效應：知識也可以「利滾利」

FROST的「知識帳本」：Store + Skill + 憲法

三、從理論到工程：FROST-SOP的「知識工廠」

SOP Store：生產級知識帳戶

Skill Registry：能力資產市場

EventBus：知識的「高速公路」

四、真實案例：37.4萬道題目的知識複利

背景

用FROST+FROST-SOP的方式

複利的力量

五、你的Agent需要什麼樣的「知識帳本」？

1. 經驗要自動沉澱

2. 能力要可組合

3. 知識要有「保存期限」

寫在最後

0 Comments