繼續 implementation 之前，我想先做個整個架構的 overview，藉此幫助自己更好的了解想做什麼/該做什麼(?)

Agent-brain 是什麼？

Agent-brain 是一個可插拔（plug and play）、可觀測（observable）、可對照實驗（ablation-friendly）獨立於 tools 的 Agent 核心。它把「記憶的表示（Memory Structure）」與「思考流程（Thinking Net Structure）」解耦，讓 user 可以像積木一樣交錯搭配，針對不同任務域找到更好的組合。

• 目標：

  • 以最小語義介面（minimal interfaces）抽象 Memory 與 Thinking Net。
  • 用 Stateless State + Controller 驅動 的方式實作 FSM，保證流程可預期、可測試、容易串流。
  • 讓使用者以組態（config）挑選 Memory × Net 的組合，快速做對照實驗。

• 非目標：一次直接復刻所有 paper feature，做一個能取代 openai 的東西 (x)；我們採 自下而上 MVP 疊代。

agent-brain 的用法，我想會是

• input:

  1. goal / tasks
  2. usable tools or mcp servers
  3. (optional) selecte memory structure / thinking net structure

• output:

  1. brain thinking flow (step by step)
  2. final answer

核心架構

agent-brain 由兩大 Component 組成，分別為 (下圖實線的地方)

1. Memory Strcutre
2. Thinking Net Structure

每次使用時可以從兩大 Component 中各選一種想要用的組合 e.g., 想要用最暴力的 Message list 記錄歷史訊息，搭配上 re-act 的 thinking net 來組成一個 brain ; 或者是想用 to-do list 的方法搭配有 reflection & refinement 的 Reflexion。應該都是可以的

Memory Structure

圖上只畫了 4 種，但其實還能用什麼 vector db (待補) or long/short-term memory。

目標:

• 能夠準確表達任務進度與提取必要上下文。
• 以統一介面服務 Net（如：讀取近期對話、當前 TODO、上次 Action 結果…）。

每一種都是一種紀錄目前 task 在每個 state 時候當下的狀態。

• 例子:
  • MessageListMemory：最暴力，[user/assistant/tool] 直接 append。
  • ToDoBoardMemory：以任務卡（task item）驅動，適合 ReAct/Reflexion 的「下一步」明確場景。 記得 claude code 好像很愛這個。
  • TreeMemory：以樹狀結構記錄推理分支與收斂；便於「回顧/剪枝」。
  • VectorMemory (候選)：向量化檢索長期知識；可分 long/short-term + TTL/衰退策略。

我相信 (或許) 存在一種最優組合，像是 Tree memory structure 可以爆打所有其他紀錄 memory 的 data structure，不過沒做過實驗沒人知道，那就設計成可以抽換的 component 方便測試。
甚至 user 想自己實做自己合適的 structure 也行。

Thinking Net Structure

這邊也只隨便畫了 3 種狀態機 (finite-state machine)... 甚至可能有些 state 還畫錯
不過這邊想表達的是，相比於 paper 直接把某一些更新 memory 當成是 state 下去輪。我們更可以把他們核心想法中每個 state 想做什麼的概念抽象畫

• 例如：
  • ReAct ≈ reasoning → action → answering
  • Reflexion ≈ reasoning → action → reflection → answering

每個 State 不持有內部狀態；所有狀態都落在 Memory。
轉移權在一開始提供 thinking net 時就以定義好，避免隱性轉移與 reentrancy 地雷。

to-do

感覺之後相繼實作完各種不同的 mem 與 net 後，還能做個 ablation study 看看哪個組合在什麼問題上比較有效。
另外感覺還需要做一下 context engineering 相關的 survey...

123

今天先從實作面跳出來，從 top-down 的方式審視了一下整個架構，幫助自己了解目標與目的到底在哪

明天繼續刻 memory ... (圖我畫半天==