DamNesia – 一個16維狀態空間AI角色框架（.NET 10，零GC）

DamNesia 是一個革命性的 AI 角色框架，它摒棄了傳統的基於提示詞（prompt）的人格模擬方法，轉而採用一個 16 維的狀態空間來精確建模和驅動角色行為。該框架基於 .NET 10 構建，並實現了零垃圾回收（0-GC）的高效能目標，旨在為遊戲、虛擬助手和互動式敘事提供穩定、一致且長期可信的 AI 角色。

從哲學到工程

框架的核心理念源於一個深刻的觀察：大型語言模型（LLM）雖然在上下文對話中表現出色，但它們本質上並非為長期、穩定的人格狀態系統而設計。隨著互動時間的延長，角色會逐漸發生漂移，做出與自身設定矛盾的行為，並且歷史記憶的維護成本會隨著上下文視窗的膨脹而變得極其高昂。DamNesia 的創始人認為，這不僅是提示詞工程的問題，更是根本性的狀態管理問題。

為了解決這一挑戰，DamNesia 引入了三層基礎設施架構：

• 社群版（Pes.Community）：面向研究和實驗，提供開源的 16 維狀態架構，替代原始的單值變數。它暴露了清晰的狀態登錄檔和基本的遙測快照對映端點，採用 MIT 許可證全球開源。
• 執行時版（Pes.Runtime）：面向生產環境和工作室，包含拓撲矩陣共振引擎和記憶生態管道。前者將流動的行為傾向編譯成一個高效能的 4x4 構造矩陣，迫使變數狀態確定性地共振或消散；後者自動將易失的對話上下文壓縮為持久的語義種子，最小化對 LLM 推理的依賴，從而大幅削減伺服器 token 開銷。
• 企業版（Pes.Enterprise）：面向基礎設施建設、百萬級併發代理以及構建下一代 AI 的公司。它引入了確定性情感約束，透過嚴格的歐幾里得邊界球和切線偏轉鉗制，從數學上中和對抗性提示注入攻擊。此外，它還透過將執行時管理字典分配替換為直接對齊 128 位元組 L1/L2 CPU 快取行的非託管平面原語配置，實現了亞納秒級的結構掃描吞吐量。

從哲學到程式碼

框架的解決方案結構透過嚴格的物理依賴解耦邊界進行隔離：PES.sln 包含 Pes.Abstractions（合約和介面）、Pes.Community（資料模型層）、Pes.Runtime（物理動力學層）和 Pes.Enterprise（硬體最佳化層）。程式碼示例展示瞭如何使用社群版登錄檔初始化一個 16 維特徵圖，並進行狀態突變和快照捕獲。

生產級基準測試

DamNesia 提供了令人印象深刻的基準測試結果。在配備 12 代 Intel Core i5-12400 處理器和 .NET 10 執行時的測試環境中，企業版引擎表現出色：

• 處理 10,000 個併發代理的平均時間為 46.28 微秒，分配記憶體為零。
• 處理 1,000,000 個併發代理的平均時間為 26.09 毫秒，同樣零記憶體分配。

這些結果表明，企業版實現了純零 GC 佔用、確定性的 O(1) 時間邊界以及巨大的 AAA 基礎設施容量。單代理事務更新的平均迴圈速度約為 26.09 納秒。

商業許可

DamNesia 採用多層許可模式。社群版以 MIT 許可證開源；執行時版和企業版需要商業許可，以獲取完整的矩陣共振引擎、零 GC 硬體對齊和高併發矩陣擴充套件能力。

總的來說，DamNesia 代表了一種從根本上不同的 AI 角色構建方法——它用確定性的結構數學取代了不穩定的提示工程，為需要長期、穩定、可信 AI 角色的應用提供了一個強大的新工具。