研究背景
神经网络接连学习新任务时会覆盖已经掌握的能力，即灾难性遗忘（French, 1999）。如何让能力随任务不断累积，是持续学习的核心问题（Parisi et al., 2019）。CLAgent 把它带到智能体系统：在执行任务中持续学习，系统能力随之扩展。
French, R. M. (1999). Catastrophic forgetting in connectionist networks. Trends in Cognitive Sciences, 3(4), 128–135.
Parisi, G. I., et al. (2019). Continual lifelong learning with neural networks: A review. Neural Networks, 113, 54–71.
分层自主进化
三层都在进化；每一次变化都经裁决后生效。
- 记忆随每次会话写入、改写、遗忘事实与偏好，后续任务检索复用
- 应用归纳技能、改写自身应用：提案、副本预演、成为新一代
- 系统装载并裁决上两层的变化；除系统调用外，其余功能自主进化
持续学习循环
系统能力
文件、终端、浏览器与模型由内核提供，新能力以应用加装。
文件与文档
读写工作区内的文件，生成 Word、PPT 与表格。
终端与代码
执行 shell 命令与 Python，输出逐行可见。
浏览器
在内置浏览器中打开、阅读与操作网页。
过程与权限
每一步记录在时间线上，敏感操作先经批准。
模型
官方托管，或接入 OpenAI 兼容接口。
应用
一个能力一个应用，可安装、可替换、可进化。
使用方式
两种模型来源，差别在于模型请求由谁的网关转发。
官方托管
模型请求经官方网关转发，按 token 计量
- 可用模型由官方维护
- 用量实时记账，可在用户中心查询
自有接口
模型请求直接发往用户自有的服务端点
- 适用于 OpenAI 兼容接口
- 模型列表与参数由用户配置