DamNesia – 一个16维状态空间AI角色框架（.NET 10，零GC）

DamNesia 是一个革命性的 AI 角色框架，它摒弃了传统的基于提示词（prompt）的人格模拟方法，转而采用一个 16 维的状态空间来精确建模和驱动角色行为。该框架基于 .NET 10 构建，并实现了零垃圾回收（0-GC）的高性能目标，旨在为游戏、虚拟助手和交互式叙事提供稳定、一致且长期可信的 AI 角色。

从哲学到工程

框架的核心理念源于一个深刻的观察：大型语言模型（LLM）虽然在上下文对话中表现出色，但它们本质上并非为长期、稳定的人格状态系统而设计。随着交互时间的延长，角色会逐渐发生漂移，做出与自身设定矛盾的行为，并且历史记忆的维护成本会随着上下文窗口的膨胀而变得极其高昂。DamNesia 的创始人认为，这不仅是提示词工程的问题，更是根本性的状态管理问题。

为了解决这一挑战，DamNesia 引入了三层基础设施架构：

• 社区版（Pes.Community）：面向研究和实验，提供开源的 16 维状态架构，替代原始的单值变量。它暴露了清晰的状态注册表和基本的遥测快照映射端点，采用 MIT 许可证全球开源。
• 运行时版（Pes.Runtime）：面向生产环境和工作室，包含拓扑矩阵共振引擎和记忆生态管道。前者将流动的行为倾向编译成一个高性能的 4x4 构造矩阵，迫使变量状态确定性地共振或消散；后者自动将易失的对话上下文压缩为持久的语义种子，最小化对 LLM 推理的依赖，从而大幅削减服务器 token 开销。
• 企业版（Pes.Enterprise）：面向基础设施建设、百万级并发代理以及构建下一代 AI 的公司。它引入了确定性情感约束，通过严格的欧几里得边界球和切线偏转钳制，从数学上中和对抗性提示注入攻击。此外，它还通过将运行时管理字典分配替换为直接对齐 128 字节 L1/L2 CPU 缓存行的非托管平面原语配置，实现了亚纳秒级的结构扫描吞吐量。

从哲学到代码

框架的解决方案结构通过严格的物理依赖解耦边界进行隔离：PES.sln 包含 Pes.Abstractions（合约和接口）、Pes.Community（数据模型层）、Pes.Runtime（物理动力学层）和 Pes.Enterprise（硬件优化层）。代码示例展示了如何使用社区版注册表初始化一个 16 维特征图，并进行状态突变和快照捕获。

生产级基准测试

DamNesia 提供了令人印象深刻的基准测试结果。在配备 12 代 Intel Core i5-12400 处理器和 .NET 10 运行时的测试环境中，企业版引擎表现出色：

• 处理 10,000 个并发代理的平均时间为 46.28 微秒，分配内存为零。
• 处理 1,000,000 个并发代理的平均时间为 26.09 毫秒，同样零内存分配。

这些结果表明，企业版实现了纯零 GC 占用、确定性的 O(1) 时间边界以及巨大的 AAA 基础设施容量。单代理事务更新的平均循环速度约为 26.09 纳秒。

商业许可

DamNesia 采用多层许可模式。社区版以 MIT 许可证开源；运行时版和企业版需要商业许可，以获取完整的矩阵共振引擎、零 GC 硬件对齐和高并发矩阵扩展能力。

总的来说，DamNesia 代表了一种从根本上不同的 AI 角色构建方法——它用确定性的结构数学取代了不稳定的提示工程，为需要长期、稳定、可信 AI 角色的应用提供了一个强大的新工具。