ED Resolve
一个具备记忆管理能力的AI决策系统，核心特性是在调用历史经验时先进行适用性评估，将记忆定位为「证据」而非「指令」，结合约束检查与模拟推演实现更鲁棒的决策链路
时间轴 (近 90 天)
一位开发者在Reddit上分享了他的项目ED Resolve，核心问题是让AI系统记住过去情境并在决策时调用经验，同时在合适的时候主动放弃这些记忆
ED Resolve使用名为Hindsight的组件来承担记忆存储的职责
ED Resolve的决策链路为：当前情境→Hindsight记忆检索→判断记忆是否适用→生成可能的行动→检查约束条件→模拟推演→最终决策
ED Resolve在检索到历史经验后会先做一次匹配度评估，若当前情境与记忆情境差异过大，系统会选择不依赖这段记忆
ED Resolve的设计把记忆从'指令'重新定位为'证据'，证据只是供决策参考的输入并需接受约束检查和模拟推演的检验
ED Resolve在RAG的基础上增加了一层对检索结果的元评估，而非直接将检索内容注入提示词让模型执行
ED Resolve引入模拟推演环节，对候选行动进行推演观察哪一个在当前条件下真正说得通
ED Resolve目前的分享仍停留在架构描述和仪表盘展示层面，缺乏适用性判断标准、模拟推演成本准确性及实际效果对比的量化证据
把记忆检索、适用性判断、约束检查和模拟推演解耦成独立环节，让每一步可审查可干预，是ED Resolve提供的可借鉴思路
全部知识事实 (9)
把记忆检索、适用性判断、约束检查和模拟推演解耦成独立环节，让每一步可审查可干预，是ED Resolve提供的可借鉴思路
50%待验证ED Resolve使用名为Hindsight的组件来承担记忆存储的职责
50%待验证ED Resolve的决策链路为：当前情境→Hindsight记忆检索→判断记忆是否适用→生成可能的行动→检查约束条件→模拟推演→最终决策
50%待验证ED Resolve在检索到历史经验后会先做一次匹配度评估，若当前情境与记忆情境差异过大，系统会选择不依赖这段记忆
50%待验证ED Resolve的设计把记忆从'指令'重新定位为'证据'，证据只是供决策参考的输入并需接受约束检查和模拟推演的检验
50%待验证ED Resolve在RAG的基础上增加了一层对检索结果的元评估，而非直接将检索内容注入提示词让模型执行
50%待验证ED Resolve引入模拟推演环节，对候选行动进行推演观察哪一个在当前条件下真正说得通
50%待验证ED Resolve目前的分享仍停留在架构描述和仪表盘展示层面，缺乏适用性判断标准、模拟推演成本准确性及实际效果对比的量化证据
50%待验证一位开发者在Reddit上分享了他的项目ED Resolve，核心问题是让AI系统记住过去情境并在决策时调用经验，同时在合适的时候主动放弃这些记忆
50%