背景：通过可组合的沙盒程序、声明性接线和结构化交互实现主动的目标导向智能

arXiv:2605.23928v1 公告类型：新 摘要：我们提出了 Context，Magarshak 架构的智能层，它用主动的目标导向代理取代了反应式查询响应聊天机器人，这些代理无需等待用户提示即可推进共享任务。该架构依赖于三个相辅相成的机制。写入时上下文组装通过 Groker 代理预先计算丰富的类型属性，将交互上下文组装为图状态的确定性纯函数；上下文块在语义更改之间的字节相同，从而实现近 100% 的 KV 缓存重用。可组合的沙盒智慧程序形成了 LM 生成的命令式程序的受控库，通过类型化流关系声明性地连接到目标类型，通过阶段排序进行组合，并在交互时执行，无需进一步的 LM 调用。主动目标流状态机通过检查图形状态并发出结构化交互内容（选项数组、治理可供性、澄清提示）来推动对话走向最终状态，而无需等待用户输入。我们证明了六个正式结果：上下文稳定性定理，将每轮 LM 成本限制为语义变化率的函数；程序组成正确性定理；声明性接线健全性定理；主动支配定理，证明主动代理在预期转向终端状态时弱支配反应代理；协调开销消除和质量保持，在多参与者目标聊天中建立帕累托改进；和跨平台投票一致性定理。在开源 Qbix / Safebox / Safebots 堆栈中实现。