持续学习¶

OLAV 跑得越久，就越擅长你的运维——而且不用你盯着。它靠三个互补的学习层实现这一点：它们以不同的速度运转，并被治理成彼此强化而非互相打架。本页是总览；每一层都有各自的深入页面。

特性声明

ID	声明	状态
C-CL-MEMORY	记忆层从使用中持续学习、无需微调（自我改进循环）	✅
C-CL-HYGIENE	陈旧的失败教训会被降级/取代/纠正，修好后不再拦截	✅
C-CL-WEIGHTS	经验可导出为干净数据集并巩固进模型权重，由基准门把关	✅ 机制
C-CL-HARNESS	harness 遥测驱动"基准门把关 + 人工批准"的配置调优	✅ 机制
C-CL-GOVERNANCE	三层有显式的分层、优先级、变更权限契约（ADR-0016）	✅

核心思想：快速建议、慢速习惯、稳定宪法¶

一个有用的心智模型是互补记忆系统：一个快速情景记忆、一套缓变的技能、一本固定的规则手册。OLAV 与之对应：

层	类比	改变什么	多快	微调？
记忆	工作建议 / 海马体	注入的教训、指南、查询模式	持续	否（非参数）
权重	习惯 / 本能	模型本身	周期性	是（可选）
harness	宪法	上下文预算、`top_k`、上限、启用哪些机制	很少	否（配置）

每一层都以同样的形态改进——反思 → 提案 → 门把关 → 应用——但改动它的门槛逐层加严：记忆层廉价地自我编辑，权重需要基准门，harness 需要基准门加上人。没有任何一层能重写自己的宪法。

第 1 层 — 记忆（快、非参数）¶

自我改进循环捕获运行中发生的事，把反复出现的模式蒸馏成可复用的教训，并在下一次相似任务时把相关教训注入提示（AutoRecall）。同样的模型、同样的代码——用了一周的部署会明显比全新安装更聪明，因为它的记忆更丰富。无需训练，无需运维介入。

学习也意味着忘掉该忘的。 从瞬态失败学来的教训（"服务 X 连不上"）在 X 修好后不该继续拦截任务。OLAV 的记忆卫生自动处理这点：

瞬态失败降级——环境类失败（连接被拒、权限不足、服务未运行）以短租约 + 封顶置信度存储，而非 30 天的持久规则。
取代（supersession）——若某失败所指责的工具此后已成功，则该陈旧教训在召回时被抑制，修好的服务立即不再拦截。
纠正感知——"X 又能用了"被识别为对"X 失败"的纠正，写入并允许退休旧教训，而非当作近似重复丢弃。

存储与分类见记忆架构。

第 2 层 — 权重（慢、参数式巩固）¶

记忆层是"快权重"。周期性地，它积累的持久教训可以被巩固进模型的真实权重——慢权重交接：

审计 + 记忆 ─▶ 干净、加密的数据集导出 ─▶ 微调（LoRA）
                                            │
   部署 ◀── keep/discard 基准门 ◀───────────┘
     │
   巩固：已烙进权重的教训在召回中退位

导出——成功轨迹、偏好对、清洗后的记忆成为训练数据。瞬态/被取代/低置信噪声被滤除；密钥被脱敏；导出加密且访问由 OLAV 控制。
微调——LoRA adapter 教模型 OLAV 的工具调用与长链习惯。分两档交付：面向社区地板的开源微调模型，以及面向更大模型的商业微调服务。
基准门——新 adapter 只有在固定基准上胜过基线、且不使冻结回归集退化（防遗忘）时才保留。更差的 adapter 被丢弃，绝不部署。
巩固 rebase——一旦教训烙进权重，对应的记忆条在召回中退位（降权，而非删除），使快慢两层不重复注入同一知识。若教训仍复发，它会重新浮出——这是微调没吃进去的信号。

由于模型是严格类型化工具的客户端，OLAV 从不依赖微调：更好的权重减少错误，工具契约兜住其余。

第 3 层 — harness（配置调优）¶

Agent Harness 是模型周围的脚手架——上下文预算、注入多少条记忆（recall_top_k）、结果上限、运行哪些中间件。这些是按模型档位校准的默认值。OLAV 逐 run 记录结构化的 harness 遥测（哪些旋钮生效、召回条数、预算跳过、grader 判决、工具选择失败），全部可与该 run 的结果关联。

基于这些数据，OLAV 能提案一个旋钮变更（"小档在 recall_top_k=1 时失败更多——试试 2"），用同一个基准门验证，并作为可逆的配置覆盖应用——但仅在人工批准之后。结构性与安全不变量、以及固定基准本身，永不自动调优。

治理：三层为何不冲突¶

三种规范行为的东西若不显式约定就可能冲突。OLAV 把契约写明（[ADR-0016]）：

放置——硬性/安全/结构规则放 harness；可学习的领域教训放记忆；反复验证的能力毕业到权重。冲突来自把规则放错层，而非"有三层"。
优先级——harness 硬约束与输出 grader 高于注入的记忆建议，记忆建议高于模型烙进的先验。安全永不被学来的教训覆盖。
变更权限——与层的权威成反比：记忆自我编辑（廉价、可逆），权重需要基准门，harness 需要基准门加上人。

结果是一套自我改进的系统：持续适应（记忆）、审慎巩固（权重）、谨慎调优自身脚手架（harness）——各以恰当的速度、在恰当的护栏之下。