Technical Whitepaper 01
Crystallized Semantic Graph：結晶化語義圖長期記憶架構
An AI-Native Long-Term Memory Architecture Based on Crystallized Semantic Graphs
系列： UNPNP / Crystallized Computation Technical Whitepapers白皮書編號： TW-01作者： Neo.K with Aletheia（GPT）機構： EveMissLab／一言諾科技有限公司版本： v0.1日期： 2026-09-07文件性質： 技術白皮書／AI 長期記憶／語義圖／搜尋與結晶化架構狀態： Canonical Draft
摘要
大型 AI 系統的長期記憶問題，不只是「要不要保存更多文字」，而是：
當完整歷史已經可以大量保存時，AI 如何在需要時快速找到真正相關、可驗證、可回溯、可重新展開的少量記憶？
若每次都把全部原始對話重新載入，則：
C c o n t e x t → very large . C_{\mathrm{context}}
\rightarrow
\text{very large}. C context → very large . 若只保存極短 summary，則又可能產生：
C l o s s → high . C_{\mathrm{loss}}
\rightarrow
\text{high}. C loss → high . 本文提出 Crystallized Semantic Graph，CSG ，中文稱為結晶化語義圖 。其核心不是刪除原始對話，而是建立多層記憶：
Raw Canonical Memory → Semantic Crystals → Crystallized Semantic Graph → Active Working Memory . \boxed{
\text{Raw Canonical Memory}
\rightarrow
\text{Semantic Crystals}
\rightarrow
\text{Crystallized Semantic Graph}
\rightarrow
\text{Active Working Memory}.
} Raw Canonical Memory → Semantic Crystals → Crystallized Semantic Graph → Active Working Memory . 原始對話：
R i R_i R i 始終作為 canonical source 保存；AI 以同步或非同步方法，對其生成一個或多個高資訊密度的語義結晶：
C i ( θ ) = K θ ( R i ) , C_i^{(\theta)}
=
K_\theta(R_i), C i ( θ ) = K θ ( R i ) , 其中：
θ \theta θ 可依使用者、任務、模型、領域、時間與壓縮策略改變。
因此：
C i ( θ ) ≠ R i , \boxed{
C_i^{(\theta)}
\neq
R_i,
} C i ( θ ) = R i , 且：
C i ( θ ) never replaces R i . \boxed{
C_i^{(\theta)}
\text{ never replaces }
R_i.
} C i ( θ ) never replaces R i . 每個 semantic crystal 必須保留 provenance hyperlink：
C i ( θ ) → source R i [ a : b ] , C_i^{(\theta)}
\xrightarrow{\text{source}}
R_i[a:b], C i ( θ ) source R i [ a : b ] , 可在需要精確文字、公式、語境或驗證時展開回原始來源。
所有結晶共同形成：
G C = ( V , E ) \boxed{
\mathcal G_C=(V,E)
} G C = ( V , E ) 甚至更一般的 typed semantic hypergraph：
H C = ( V , E ) . \mathcal H_C=(V,\mathcal E). H C = ( V , E ) . 節點可以是：
對話結晶；
主題結晶；
專案結晶；
時間段結晶；
高階結晶；
contradiction crystal；
decision crystal；
unresolved crystal。
邊則可以是：
continues；
refines；
contradicts；
supports；
derived-from；
implements；
updates；
supersedes；
related-to；
source-of。
查詢時，系統不直接把全部歷史放進 context，而使用 query expansion、dynamic semantic revealing、graph traversal、DRC、exact search、temporal search、counter-evidence search 與其他 Omphalos-style methods，先顯影出一個很小的 active memory region：
M t a c t i v e = Π ξ t ( G C ) , \boxed{
\mathcal M_t^{\mathrm{active}}
=
\Pi_{\xi_t}(\mathcal G_C),
} M t active = Π ξ t ( G C ) , 且理想上：
∣ M t a c t i v e ∣ ≪ ∣ M s t o r e d ∣ . |\mathcal M_t^{\mathrm{active}}|
\ll
|\mathcal M_{\mathrm{stored}}|. ∣ M t active ∣ ≪ ∣ M stored ∣. 只有需要精確驗證時，才：
C j → expand R j [ relevant spans ] . C_j
\xrightarrow{\text{expand}}
R_j[\text{relevant spans}]. C j expand R j [ relevant spans ] . 因此本文提出核心原則：
Crystal First, Source on Demand . \boxed{
\text{Crystal First, Source on Demand}.
} Crystal First, Source on Demand . CSG 不等同 vector database、summary archive 或 static knowledge graph。它是一個多視圖、多尺度、可回溯、可重結晶、可失效、可搜尋且可自我改寫的 AI-native memory routing substrate 。
本文同時將 SEDB 定位為 canonical storage / indexing / provenance layer，將 Omphalos / AUSI 定位為 memory search-method runtime，將 CSG 定位為 semantic routing overlay，將 raw conversation store 定位為不可被 derived crystal 取代的 canonical source。
本文最後提出 memory breathing：
Reveal → Expand → Link → Converge → Crystallize \boxed{
\text{Reveal}
\rightarrow
\text{Expand}
\rightarrow
\text{Link}
\rightarrow
\text{Converge}
\rightarrow
\text{Crystallize}
} Reveal → Expand → Link → Converge → Crystallize 成功 retrieval path 本身也可以被結晶：
P m e m o r y → ℓ ^ m e m o r y , P_{\mathrm{memory}}
\rightarrow
\widehat{\ell}_{\mathrm{memory}}, P memory → ℓ memory , 使未來相似 recall 更快。
關鍵詞： Crystallized Semantic Graph、CSG、AI Memory、Long-Term Memory、Semantic Crystal、SEDB、Omphalos、Dynamic Semantic Revealing、Hypergraph、Provenance、Memory Routing
1. 問題定義
長期 AI 記憶至少同時面對四個互相衝突的要求：
Capacity + Retrievability + Faithfulness + Cost . \boxed{
\text{Capacity}
+
\text{Retrievability}
+
\text{Faithfulness}
+
\text{Cost}.
} Capacity + Retrievability + Faithfulness + Cost . 只增加 storage：
S ↑ S\uparrow S ↑ 不能直接解決 retrieval。
只增加 summary：
C s u m m a r y ↓ C_{\mathrm{summary}}\downarrow C summary ↓ 則可能增加語義損失。
因此真正問題是：
如何讓巨大記憶保持潛伏，只在需要時顯影出少量高價值結構？
2. 四層記憶模型
本文提出：
M = ( R , C , G , A ) . \boxed{
\mathcal M
=
(
\mathcal R,
\mathcal C,
\mathcal G,
\mathcal A
).
} M = ( R , C , G , A ) . 其中：
R \mathcal R R C \mathcal C C G \mathcal G G A \mathcal A A
3. Raw Canonical Memory
對每一段原始對話、文件、訊息或事件：
R i . R_i. R i . 原始來源原則：
R i is canonical . \boxed{
R_i
\text{ is canonical}.
} R i is canonical . 它不因為 summary、embedding 或 crystal 出現而被覆蓋。
4. 為什麼 Raw 必須保留？
因為 derived memory 可能：
壓縮錯誤；
過度概括；
遺失語境；
忽略反例；
過時；
受模型偏差影響。
所以：
Derived ≠ Canonical . \boxed{
\text{Derived}
\neq
\text{Canonical}.
} Derived = Canonical . 5. Semantic Crystal
令結晶方法：
K θ . K_\theta. K θ . 則：
C i ( θ ) = K θ ( R i ) . \boxed{
C_i^{(\theta)}
=
K_\theta(R_i).
} C i ( θ ) = K θ ( R i ) . 其目標不是「最短」。
而是：
max retrievable useful semantics representation cost . \boxed{
\max
\frac{
\text{retrievable useful semantics}
}{
\text{representation cost}
}.
} max representation cost retrievable useful semantics . 6. 一個來源可以有多個 Crystal
同一：
R i R_i R i 可以有：
C i ( t e c h n i c a l ) , C_i^{(\mathrm{technical})}, C i ( technical ) , C i ( c o n c e p t u a l ) , C_i^{(\mathrm{conceptual})}, C i ( conceptual ) , C i ( c h r o n o l o g i c a l ) , C_i^{(\mathrm{chronological})}, C i ( chronological ) , C i ( p r o j e c t ) , C_i^{(\mathrm{project})}, C i ( project ) , C i ( m i n i m a l ) . C_i^{(\mathrm{minimal})}. C i ( minimal ) . 因此：
one source → multiple semantic projections . \boxed{
\text{one source}
\rightarrow
\text{multiple semantic projections}.
} one source → multiple semantic projections . 7. 為什麼不能只保留一個 Summary？
因為 compression 本身是 task-relative。
某個 technical summary 對：
找程式設計決策
很好。
但對：
找概念演化
可能很差。
所以：
compression is contextual . \boxed{
\text{compression is contextual}.
} compression is contextual . 8. SemanticCrystal 最小 Schema
第一版：
SemanticCrystal
- crystal_id
- source_ids[]
- source_spans[]
- crystal_level
- view_type
- method_id
- method_version
- content
- keywords[]
- concepts[]
- claims[]
- entities[]
- temporal_scope
- project_scope
- confidence
- faithfulness
- unresolved_flags[]
- contradiction_flags[]
- access_envelope
- provenance_links[]
- semantic_links[]
- created_at
- updated_at
- stale_state
- digest
9. Source Span
一個 crystal 不只要指回：
R i . R_i. R i . 最好還能指到：
R i [ a : b ] . R_i[a:b]. R i [ a : b ] . 或多段：
{ R i [ a 1 : b 1 ] , R i [ a 2 : b 2 ] } . \{
R_i[a_1:b_1],
R_i[a_2:b_2]
\}. { R i [ a 1 : b 1 ] , R i [ a 2 : b 2 ]} . 10. Provenance Hyperlink
因此：
C i → provenance R i [ a : b ] . \boxed{
C_i
\xrightarrow{\text{provenance}}
R_i[a:b].
} C i provenance R i [ a : b ] . 這是一種 memory hyperlink。
11. Hyperlink 的三個功能
CSG 中 hyperlink 至少有：
Navigation + Provenance + Expansion . \boxed{
\text{Navigation}
+
\text{Provenance}
+
\text{Expansion}.
} Navigation + Provenance + Expansion . 12. Crystallized Semantic Graph
令：
V C = { C 1 , C 2 , … , C n } . V_C
=
\{
C_1,
C_2,
\ldots,C_n
\}. V C = { C 1 , C 2 , … , C n } . 則：
G C = ( V C , E C ) . \boxed{
\mathcal G_C
=
(V_C,E_C).
} G C = ( V C , E C ) . 13. Typed Edge
每條邊：
e i j = ⟨ C i , τ , C j , w , p ⟩ . e_{ij}
=
\langle
C_i,
\tau,
C_j,
w,
p
\rangle. e ij = ⟨ C i , τ , C j , w , p ⟩ . 其中：
τ \tau τ w w w p p p
14. 建議 Edge Types
第一版至少：
continues
refines
supports
contradicts
updates
supersedes
derived_from
implements
example_of
depends_on
same_topic
same_project
same_entity
same_decision
caused_by
reopens
15. 為什麼需要 Hypergraph？
很多語義關係不是：
C 1 → C 2 . C_1\rightarrow C_2. C 1 → C 2 . 而是：
{ C 1 , C 2 , C 3 , C 4 } → C 5 . \{
C_1,C_2,C_3,C_4
\}
\rightarrow
C_5. { C 1 , C 2 , C 3 , C 4 } → C 5 . 例如：
四輪不同對話共同導出一個新理論。
因此：
H C = ( V C , E C ) . \boxed{
\mathcal H_C
=
(V_C,\mathcal E_C).
} H C = ( V C , E C ) . 更一般。
16. 公開名稱可以仍叫 Graph
工程底層可以 hypergraph。
對外仍稱：
Crystallized Semantic Graph . \boxed{
\text{Crystallized Semantic Graph}.
} Crystallized Semantic Graph . 避免名稱過度複雜。
17. 多尺度結晶
CSG 不只是一輪對話一個 node。
可以：
C ( 1 ) = micro crystal , C^{(1)}
=
\text{micro crystal}, C ( 1 ) = micro crystal , C ( 2 ) = conversation crystal , C^{(2)}
=
\text{conversation crystal}, C ( 2 ) = conversation crystal , C ( 3 ) = topic crystal , C^{(3)}
=
\text{topic crystal}, C ( 3 ) = topic crystal , C ( 4 ) = project crystal , C^{(4)}
=
\text{project crystal}, C ( 4 ) = project crystal , C ( 5 ) = meta crystal . C^{(5)}
=
\text{meta crystal}. C ( 5 ) = meta crystal . 18. Higher-Order Crystallization
若：
C 1 , … , C n C_1,\ldots,C_n C 1 , … , C n 形成穩定主題，
可：
K ( 2 ) ( C 1 , … , C n ) = C ( 2 ) . \boxed{
K^{(2)}
(
C_1,\ldots,C_n
)
=
C^{(2)}.
} K ( 2 ) ( C 1 , … , C n ) = C ( 2 ) . 19. 向下可追
任何：
C ( k ) C^{(k)} C ( k ) 都應能：
C ( k ) → C ( k − 1 ) → ⋯ → R . C^{(k)}
\rightarrow
C^{(k-1)}
\rightarrow
\cdots
\rightarrow
R. C ( k ) → C ( k − 1 ) → ⋯ → R . 因此：
high-level memory remains decompressible . \boxed{
\text{high-level memory remains decompressible}.
} high-level memory remains decompressible . 20. 同步結晶
新對話剛結束時：
K s y n c . K_{\mathrm{sync}}. K sync . 目標：
快；
低成本；
保持 freshness；
生成基本 continuity node。
21. 同步結晶不應做太多
第一版：
K s y n c K_{\mathrm{sync}} K sync 只需產生：
short crystal；
main concepts；
source links；
temporal metadata；
project hints。
22. 非同步結晶
後續：
K a s y n c . K_{\mathrm{async}}. K async . 可以做：
cross-conversation dedup；
contradiction detection；
concept evolution；
higher-order crystal；
graph restructuring；
relation repair；
compression refinement。
23. Sync / Async 分工
Sync preserves continuity; \boxed{
\text{Sync preserves continuity;}
} Sync preserves continuity; Async improves structure . \boxed{
\text{Async improves structure}.
} Async improves structure . 24. 非同步不等於永久背景推理
它可以是：
event-driven；
batch；
low-load window；
user-triggered；
maintenance cycle。
25. Crystal First, Source on Demand
查詢：
q . q. q . 先：
q → G C . q
\rightarrow
\mathcal G_C. q → G C . 而不是：
q → R . q
\rightarrow
\mathcal R. q → R . 因此：
Crystal First, Source on Demand . \boxed{
\text{Crystal First, Source on Demand}.
} Crystal First, Source on Demand . 26. Query Pipeline
第一版：
q 0 → Q e x p a n d → Π ξ → F C → T G → C \* → R \* \boxed{
q_0
\rightarrow
Q_{\mathrm{expand}}
\rightarrow
\Pi_{\xi}
\rightarrow
F_C
\rightarrow
T_G
\rightarrow
C^\*
\rightarrow
R^\*
} q 0 → Q expand → Π ξ → F C → T G → C \* → R \* 其中：
Q e x p a n d Q_{\mathrm{expand}} Q expand Π ξ \Pi_\xi Π ξ F C F_C F C T G T_G T G C \* C^\* C \* R \* R^\* R \*
27. Query Expansion
使用：
synonyms；
project aliases；
entity aliases；
historical names；
concept descendants；
semantic neighbors。
28. Dynamic Semantic Revealing
定義：
Π ξ : G C → G C v i s i b l e . \boxed{
\Pi_{\xi}
:
\mathcal G_C
\rightarrow
\mathcal G_C^{\mathrm{visible}}.
} Π ξ : G C → G C visible . 其中：
ξ = ( q , g , c , t , o , a , w ) . \xi
=
(q,g,c,t,o,a,w). ξ = ( q , g , c , t , o , a , w ) . 29. Active Memory
M t a c t i v e = Π ξ t ( G C ) . \boxed{
\mathcal M_t^{\mathrm{active}}
=
\Pi_{\xi_t}(\mathcal G_C).
} M t active = Π ξ t ( G C ) . 理想：
∣ M t a c t i v e ∣ ≪ ∣ M s t o r e d ∣ . |\mathcal M_t^{\mathrm{active}}|
\ll
|\mathcal M_{\mathrm{stored}}|. ∣ M t active ∣ ≪ ∣ M stored ∣. 30. Graph Traversal
可依：
relation type；
confidence；
recency；
project；
source authority；
contradiction；
semantic distance；
決定 traversal。
31. Retrieval 不只找「最像」
純 embedding similarity：
S v e c S_{\mathrm{vec}} S vec 不足。
還需要：
semantic similarity + relation structure + time + provenance + task state . \boxed{
\text{semantic similarity}
+
\text{relation structure}
+
\text{time}
+
\text{provenance}
+
\text{task state}.
} semantic similarity + relation structure + time + provenance + task state . 32. Omphalos Memory Runtime
Omphalos / AUSI 的 search-method abstraction 可以被重用。
Web provider：
Google / Grok / Brave / Crossref . \text{Google / Grok / Brave / Crossref}. Google / Grok / Brave / Crossref . Memory provider 則可變成：
SEDB + CSG + Raw Store . \boxed{
\text{SEDB}
+
\text{CSG}
+
\text{Raw Store}.
} SEDB + CSG + Raw Store . 33. Memory Search Methods
至少可以使用：
exact search；
keyword；
semantic；
query reformulation；
temporal；
version；
graph；
citation / provenance chase；
counter-evidence；
DRC；
semantic revealing；
exploratory；
entity；
contradiction search。
34. SEDB 的定位
本文建議：
SEDB = canonical structured storage / index / provenance layer . \boxed{
\text{SEDB}
=
\text{canonical structured storage / index / provenance layer}.
} SEDB = canonical structured storage / index / provenance layer . 35. CSG 的定位
CSG = semantic routing overlay . \boxed{
\text{CSG}
=
\text{semantic routing overlay}.
} CSG = semantic routing overlay . 36. Raw Store 的定位
Raw Store = canonical transcript / source layer . \boxed{
\text{Raw Store}
=
\text{canonical transcript / source layer}.
} Raw Store = canonical transcript / source layer . 37. 三者不要混為一體
因此：
SEDB ≠ CSG ≠ Raw Store . \boxed{
\text{SEDB}
\neq
\text{CSG}
\neq
\text{Raw Store}.
} SEDB = CSG = Raw Store . 38. 建議 Storage Layout
/raw/
conversation/
document/
event/
/crystal/
micro/
conversation/
topic/
project/
meta/
/graph/
edge/
hyperedge/
reverse-index/
/receipt/
crystallization/
retrieval/
invalidation/
39. Canonical ID
每個 source：
s o u r c e _ i d . source\_id. so u r ce _ i d . 每個 crystal：
c r y s t a l _ i d . crystal\_id. cr y s t a l _ i d . 每個 edge：
e d g e _ i d . edge\_id. e d g e _ i d . 均應 versioned。
40. Versioning
crystal 不應 silent overwrite。
例如：
C i v 1 → C i v 2 . C_i^{v1}
\rightarrow
C_i^{v2}. C i v 1 → C i v 2 . 41. Stale State
若 source 更新：
R i v 2 ≠ R i v 1 , R_i^{v2}\neq R_i^{v1}, R i v 2 = R i v 1 , 依賴：
C j C_j C j 可能變：
stale . \text{stale}. stale . 42. Dependency Invalidation
建立：
D ( C j ) = { R i , C k , … } . D(C_j)
=
\{
R_i,
C_k,\ldots
\}. D ( C j ) = { R i , C k , … } . 若其中 dependency 更新：
C j → revalidate . C_j
\rightarrow
\text{revalidate}. C j → revalidate . 43. 不要直接刪舊 Crystal
舊版可以：
retired \text{retired} retired 但保留 provenance。
這有助於理解概念演化。
44. Temporal Memory
對某概念：
X X X 可以有：
C X ( t 1 ) , C X ( t 2 ) , … C_X(t_1),
C_X(t_2),
\ldots C X ( t 1 ) , C X ( t 2 ) , … 形成：
concept evolution chain . \boxed{
\text{concept evolution chain}.
} concept evolution chain . 45. Supersedes 不等於 Delete
如果：
C 2 supersedes C 1 , C_2
\text{ supersedes }
C_1, C 2 supersedes C 1 , 仍保留：
C 1 . C_1. C 1 . 因為使用者可能問：
以前怎麼想？
46. Contradiction Preservation
如果：
C a ⊥ C b , C_a
\bot
C_b, C a ⊥ C b , 不要硬壓成一個「共識」。
保留：
contradiction edge . \boxed{
\text{contradiction edge}.
} contradiction edge . 47. Minority Memory
低頻、少數、未解決資訊不應因壓縮被消失。
可標：
unresolved . \text{unresolved}. unresolved . 48. Decision Memory
某些對話真正重要的是：
最後決定了什麼？
可建立：
C d e c i s i o n . C_{\mathrm{decision}}. C decision . 並 link：
proposal → decision → implementation . \text{proposal}
\rightarrow
\text{decision}
\rightarrow
\text{implementation}. proposal → decision → implementation . 49. Open-Loop Memory
尚未完成事項：
C o p e n . C_{\mathrm{open}}. C open . 可用：
reopens \text{reopens} reopens link 在新對話中重新顯影。
50. Retrieval Confidence
每個 recall result：
m j m_j m j 可帶：
C o n f ( m j ) . Conf(m_j). C o n f ( m j ) . 但 confidence 不能被當成 source truth。
51. Faithfulness
定義：
F ( C i , R i ) . F(C_i,R_i). F ( C i , R i ) . 表示 semantic crystal 對來源的忠實度。
52. Coverage
C o v ( C i , R i ) Cov(C_i,R_i) C o v ( C i , R i ) 表示重要資訊覆蓋率。
53. Information Density
D I ( C i ) = I u s e f u l ∣ C i ∣ . D_I(C_i)
=
\frac{
I_{\mathrm{useful}}
}{
|C_i|
}. D I ( C i ) = ∣ C i ∣ I useful . 54. Retrieval Gain
G R = C r a w − r e t r i e v a l − C c r y s t a l − r e t r i e v a l . G_R
=
C_{\mathrm{raw-retrieval}}
-
C_{\mathrm{crystal-retrieval}}. G R = C raw − retrieval − C crystal − retrieval . 55. Semantic Loss
L S = 1 − F . L_S
=
1-F. L S = 1 − F . 高壓縮不應讓：
L S L_S L S 失控。
56. Memory Crystal Utility
可定義：
U M ( C ) = w r G R + w d D I + w f F + w c C o v − w s C s t o r e − w u C u p d a t e − w l L S . \boxed{
U_M(C)
=
w_rG_R
+
w_dD_I
+
w_fF
+
w_cCov
-
w_sC_{\mathrm{store}}
-
w_uC_{\mathrm{update}}
-
w_lL_S.
} U M ( C ) = w r G R + w d D I + w f F + w c C o v − w s C store − w u C update − w l L S . 57. 不一定每個 Source 都要多視圖
Series 08 的原則同樣適用：
selective crystallization . \boxed{
\text{selective crystallization}.
} selective crystallization . 58. Hot Memory
高頻被召回的 crystal：
f r e c a l l ↑ f_{\mathrm{recall}}\uparrow f recall ↑ 可以：
建更快 index；
生成更高階 crystal；
預連結常用 source。
59. Cold Memory
低頻但仍重要：
persist \text{persist} persist 即可。
不必重度結晶。
60. Forgetting 與 Retiring
本文不主張 derived crystal 永遠保留。
可以：
active → cold → retired . \text{active}
\rightarrow
\text{cold}
\rightarrow
\text{retired}. active → cold → retired . 但 canonical raw source 是否刪除應由獨立 retention policy 決定。
61. Memory Retrieval Receipt
每次 retrieval 留：
query_id
expanded_queries[]
revealed_crystals[]
traversed_edges[]
opened_sources[]
selected_memory[]
cost
latency
verification_state
62. Retrieval Path
一次成功 recall：
P M = ( C 12 , C 47 , C 93 , R 93 ) . P_M
=
(
C_{12},
C_{47},
C_{93},
R_{93}
). P M = ( C 12 , C 47 , C 93 , R 93 ) . 63. Memory Path Crystallization
若相似查詢常走：
P M , P_M, P M , 可：
K ( P M ) = ℓ ^ M . \boxed{
K(P_M)
=
\widehat{\ell}_M.
} K ( P M ) = ℓ M . 未來：
q → ℓ ^ M C \* . q
\xrightarrow{\widehat{\ell}_M}
C^\*. q ℓ M C \* . 64. 這就是記憶版 Path Compilation
所以 CSG 與 UNPNP 不是分離的。
它是：
UNPNP principles applied to semantic memory . \boxed{
\text{UNPNP principles applied to semantic memory}.
} UNPNP principles applied to semantic memory . 65. Memory Breathing
完整：
Reveal → Expand → Link → Converge → Crystallize . \boxed{
\text{Reveal}
\rightarrow
\text{Expand}
\rightarrow
\text{Link}
\rightarrow
\text{Converge}
\rightarrow
\text{Crystallize}.
} Reveal → Expand → Link → Converge → Crystallize . 66. Reveal
從巨大 graph 顯影 relevant region。
67. Expand
找：
neighbor concepts；
source spans；
contradiction；
temporal versions；
project links。
68. Link
建立：
retrieval path；
evidence chain；
source chain。
69. Converge
生成：
M t a c t i v e . \mathcal M_t^{\mathrm{active}}. M t active . 70. Crystallize
把成功 recall 結構更新回 graph。
71. Graph 自我改寫
因此：
G C , t + 1 ≠ G C , t . \boxed{
\mathcal G_{C,t+1}
\neq
\mathcal G_{C,t}.
} G C , t + 1 = G C , t . 72. 但不能由單次 Recall 任意改圖
graph mutation 需要：
evidence；
thresholds；
provenance；
conflict handling。
73. Graph Edge Confidence
每條新 edge：
e e e 可以有：
w e . w_e. w e . 重複 evidence 才提升。
74. Edge Promotion
candidate → weak → strong . \text{candidate}
\rightarrow
\text{weak}
\rightarrow
\text{strong}. candidate → weak → strong . 75. Edge Demotion
如果 contradiction 或 source update：
strong → weak / stale . \text{strong}
\rightarrow
\text{weak / stale}. strong → weak / stale . 76. User-Adaptive Compression
不同使用者可能偏好：
技術；
敘事；
決策；
時間；
專案；
人物；
概念。
所以：
θ u s e r \theta_{\mathrm{user}} θ user 應可調。
77. AI-Adaptive Compression
AI 也可依 recall performance 動態選：
K θ 1 , K θ 2 , … K_{\theta_1},
K_{\theta_2},
\ldots K θ 1 , K θ 2 , … 哪種壓縮更有效。
78. 不應只有一個全球最優壓縮器
因為：
∀ u ∃ θ u \centernot ⇒ ∃ θ \* ∀ u . \boxed{
\forall u
\exists\theta_u
\centernot\Rightarrow
\exists\theta^\*
\forall u.
} ∀ u ∃ θ u \centernot ⇒ ∃ θ \* ∀ u . 79. Compression Method Registry
可建立：
method_id
name
version
domain
compression_goal
cost_profile
quality_profile
supported_views
80. 同步 / 非同步方法可以不同
例如：
K s y n c = cheap model , K_{\mathrm{sync}}
=
\text{cheap model}, K sync = cheap model , K a s y n c = deep model / multi-pass . K_{\mathrm{async}}
=
\text{deep model / multi-pass}. K async = deep model / multi-pass . 81. Model-Agnostic Storage
Crystal schema 不應綁死某個模型。
這有利：
M A → G C ← M B . M_A
\rightarrow
\mathcal G_C
\leftarrow
M_B. M A → G C ← M B . 82. Cross-Model Memory
若 schema 與 provenance 穩定，
不同 AI 可以使用同一 CSG。
83. 但 Cross-Model Interpretation 仍需驗證
不同模型對同 crystal 可能理解不同。
所以：
shared representation ≠ identical interpretation . \boxed{
\text{shared representation}
\neq
\text{identical interpretation}.
} shared representation = identical interpretation . 84. Privacy / Access Envelope
每個 source / crystal 需要：
A ( C i ) . A(C_i). A ( C i ) . 例如：
private；
project；
team；
public；
restricted。
85. Crystal 不能放大權限
如果：
R i R_i R i 是 restricted，
derived：
C i C_i C i 不能自動變 public。
所以：
A ( C i ) ⊆ A ( R i ) . \boxed{
A(C_i)
\subseteq
A(R_i).
} A ( C i ) ⊆ A ( R i ) . 86. Multi-Source Crystal Access
若：
C = K ( R 1 , R 2 ) , C
=
K(R_1,R_2), C = K ( R 1 , R 2 ) , 則 access envelope 應至少不寬於最嚴格 source。
87. Security Principle
Crystallization ⇏ permission expansion . \boxed{
\text{Crystallization}
\not\Rightarrow
\text{permission expansion}.
} Crystallization ⇒ permission expansion . 88. Sensitive Metadata
某些 entity / project relation 本身就敏感。
所以 edge 也要 access control。
89. Graph Query 必須 Permission-Aware
Π ξ \Pi_{\xi} Π ξ 應包含：
a = authorization context . a
=
\text{authorization context}. a = authorization context . 90. Stale Permission
如果 source access 被撤銷，
依賴 crystals 也要 invalidate / hide。
91. Cold / Warm / Hot Memory Layer
可借用：
Cold → Warm → Hot . \boxed{
\text{Cold}
\rightarrow
\text{Warm}
\rightarrow
\text{Hot}.
} Cold → Warm → Hot . 92. Cold
Raw source 或低頻 crystal。
93. Warm
Canonical JSON、常用 crystal、graph neighborhood。
94. Hot
當前 active memory objects。
95. Hot 不應永久存在
session / task 結束後可釋放。
96. Materialization
只在需要時把 crystal 轉成模型可用 working object。
97. Lazy Source Expansion
只有 validator 或 user request 需要精確 source 時才開 raw。
98. Progressive Expansion
一開始：
C ( 4 ) C^{(4)} C ( 4 ) 若不足，
展開：
C ( 3 ) . C^{(3)}. C ( 3 ) . 再不足：
C ( 2 ) . C^{(2)}. C ( 2 ) . 最後：
R . R. R . 99. 多尺度 Progressive Retrieval
因此：
meta crystal → topic crystal → conversation crystal → raw span . \boxed{
\text{meta crystal}
\rightarrow
\text{topic crystal}
\rightarrow
\text{conversation crystal}
\rightarrow
\text{raw span}.
} meta crystal → topic crystal → conversation crystal → raw span . 100. Retrieval Budget
設定：
B R . B_R. B R . 系統只展開到 budget 足夠的深度。
101. Confidence Escalation
若：
C o n f < θ C , Conf<\theta_C, C o n f < θ C , 則：
expand deeper . \text{expand deeper}. expand deeper . 102. Precision Escalation
若使用者問：
原話是什麼？
直接：
C → R . C\rightarrow R. C → R . 103. Memory Search Modes
建議：
fast_recall
balanced_recall
deep_recall
source_exact
contradiction_check
timeline_recall
project_recall
104. fast_recall
只走高階 crystal。
105. deep_recall
允許 graph traversal + raw expansion。
106. source_exact
偏 exact / provenance。
107. contradiction_check
主動找：
C a ⊥ C b . C_a\bot C_b. C a ⊥ C b . 108. timeline_recall
按：
t 1 → t 2 → ⋯ t_1\rightarrow t_2\rightarrow\cdots t 1 → t 2 → ⋯ 重建演化。
109. project_recall
沿 project crystal 展開。
110. Failure Mode：Summary Drift
多輪結晶若：
C ( 1 ) → C ( 2 ) → C ( 3 ) C^{(1)}
\rightarrow
C^{(2)}
\rightarrow
C^{(3)} C ( 1 ) → C ( 2 ) → C ( 3 ) 卻不回 raw，
可能 drift。
111. Anti-Drift
Higher-order crystal 應週期性重新對 canonical raw 做抽樣驗證。
112. Failure Mode：Consensus Collapse
多來源壓縮後只保留主流結論。
113. Anti-Consensus Collapse
保留：
contradiction；
minority；
unresolved；
confidence。
114. Failure Mode：Graph Explosion
每段對話連太多 edge。
115. Edge Utility
只保存：
U E ( e ) > 0 U_E(e)>0 U E ( e ) > 0 的 edge。
116. Failure Mode：Over-Crystallization
所有 source 都生成十幾種 view。
維護爆炸。
117. Selective Multi-View
只有高價值 source 才建立多 view。
118. Failure Mode：Stale Crystal
原始 source 更新，derived 不更新。
119. Dependency-Based Invalidation
靠 source version / digest 自動標 stale。
120. Failure Mode：Privacy Leakage
derived crystal 比 raw permission 更寬。
121. Access Inheritance
強制：
A ( C ) ⊆ A ( R ) . A(C)\subseteq A(R). A ( C ) ⊆ A ( R ) . 122. Failure Mode：Retrieval Loop
graph traversal 反覆繞圈。
123. Traversal Controls
需要：
visited set；
depth；
cost；
relation filters；
stopping condition。
124. Failure Mode：Bad Memory Shortcut
成功一次 retrieval 就 crystallize。
125. Memory EHPE
需要：
U M ( P M ) > 0 U_M(P_M)>0 U M ( P M ) > 0 才 promotion。
126. Minimal Runtime Architecture
Raw Store
↓
Sync Crystallizer
↓
SEDB Canonical Records
↓
CSG Graph Builder
↓
Async Crystallizer / Relation Miner
↓
Omphalos Memory Search Runtime
↓
Semantic Revealing
↓
Active Memory Assembler
↓
Source Expander / Validator
↓
Retrieval Receipt
127. Write Path
新 source：
R i R_i R i 進 Raw Store。
128. Sync Path
R i → C i s y n c . R_i
\rightarrow
C_i^{\mathrm{sync}}. R i → C i sync . 129. Async Path
{ C i } → relation / higher-order update . \{
C_i
\}
\rightarrow
\text{relation / higher-order update}. { C i } → relation / higher-order update . 130. Read Path
q → G C v i s i b l e → C \* → R \* . q
\rightarrow
\mathcal G_C^{\mathrm{visible}}
\rightarrow
C^\*
\rightarrow
R^\*. q → G C visible → C \* → R \* . 131. Repair Path
source / graph 變更：
invalidate → recrystallize . \text{invalidate}
\rightarrow
\text{recrystallize}. invalidate → recrystallize . 132. Recommended MVP Scope
第一版只支援：
conversation raw；
one sync crystal；
one async topic crystal；
typed edges；
source spans；
exact + semantic + graph search；
retrieval receipt。
133. MVP 不必先做
fully autonomous graph rewrite；
dozens of compression methods；
universal user personalization；
distributed multi-tenant graph；
complex enterprise IAM。
134. Phase 0
Synthetic conversations。
驗證：
schema；
provenance；
progressive expansion。
135. Phase 1
真實長對話 dataset。
比較：
raw-only \text{raw-only} raw-only 與：
crystal-first . \text{crystal-first}. crystal-first . 136. Phase 2
加入 multi-conversation topic crystal。
137. Phase 3
加入 contradiction / temporal evolution。
138. Phase 4
加入 memory path crystallization。
139. Phase 5
加入 personalized compression strategy。
140. Benchmark 1：Recall Accuracy
使用人工標註問題。
測：
A c c r e c a l l . Acc_{\mathrm{recall}}. A c c recall . 141. Benchmark 2：Source Faithfulness
答案是否能正確回指來源。
142. Benchmark 3：Context Reduction
R C = ∣ C o n t e x t C S G ∣ ∣ C o n t e x t r a w ∣ . R_C
=
\frac{
|Context_{\mathrm{CSG}}|
}{
|Context_{\mathrm{raw}}|
}. R C = ∣ C o n t e x t raw ∣ ∣ C o n t e x t CSG ∣ . 143. Benchmark 4：Latency
T r e c a l l . T_{\mathrm{recall}}. T recall . 144. Benchmark 5：Retrieval Cost
C r e t r i e v a l . C_{\mathrm{retrieval}}. C retrieval . 145. Benchmark 6：Raw Expansion Rate
R r a w = N r a w − o p e n N q u e r y . R_{\mathrm{raw}}
=
\frac{
N_{\mathrm{raw-open}}
}{
N_{\mathrm{query}}
}. R raw = N query N raw − open . 146. Benchmark 7：Contradiction Retention
測不同觀點是否被錯誤合併。
147. Benchmark 8：Temporal Fidelity
測「以前／後來」是否能正確區分。
148. Benchmark 9：Stale Detection
source change 後多久能標 stale。
149. Benchmark 10：Graph Maintenance Cost
C M . C_M. C M . 150. Baseline A
Raw full-text search。
151. Baseline B
Vector DB + chunks。
152. Baseline C
Single summary per conversation。
153. Experimental D
CSG multi-scale + provenance。
154. Experimental E
CSG + memory path crystallization。
155. Success Condition
理想：
A c c D ≥ A c c B , Acc_D
\ge
Acc_B, A c c D ≥ A c c B , 且：
C D < C B , C_D<C_B, C D < C B , 以及：
C o n t e x t D < C o n t e x t B . Context_D<Context_B. C o n t e x t D < C o n t e x t B . 156. Stronger Success
再加：
F s o u r c e ↑ , F_{\mathrm{source}}
\uparrow, F source ↑ , T t i m e l i n e ↑ , T_{\mathrm{timeline}}
\uparrow, T timeline ↑ , R c o n t r a d i c t i o n ↑ . R_{\mathrm{contradiction}}
\uparrow. R contradiction ↑ . 157. Frozen-Model Memory Experiment
固定：
θ m o d e l . \theta_{\mathrm{model}}. θ model . 只讓：
G C \mathcal G_C G C 與：
K M \mathcal K_M K M 演化。
158. 若 Recall 仍改善
可證明：
memory architecture learning \boxed{
\text{memory architecture learning}
} memory architecture learning 而非模型變強。
159. Cross-Model Test
同一 CSG 給不同模型。
測：
recall；
source trace；
interpretation variance。
160. CSG 與 UNPNP 的統合
UNPNP 計算 crystal：
κ e x e c \kappa_{\mathrm{exec}} κ exec 回答：
怎麼做？
CSG semantic crystal：
κ s e m \kappa_{\mathrm{sem}} κ sem 回答：
知道什麼？
161. 雙向 Hyperlink
未來可：
κ s e m ↔ κ e x e c . \kappa_{\mathrm{sem}}
\leftrightarrow
\kappa_{\mathrm{exec}}. κ sem ↔ κ exec . 162. 例如
概念記憶：
某專案使用某 routing strategy。
可以直接 link 到：
κ r o u t i n g . \kappa_{\mathrm{routing}}. κ routing . 163. 知識與操作逐步合流
因此長期可能形成：
Semantic Memory Graph + Computational Crystal Graph . \boxed{
\text{Semantic Memory Graph}
+
\text{Computational Crystal Graph}.
} Semantic Memory Graph + Computational Crystal Graph . 164. 但第一版應分開
避免：
debugging 困難；
privilege 混淆；
source / action 混淆。
165. 核心命題一
AI 長期記憶的主要問題不是容量，而是如何把巨大記憶轉化為可尋址、可回溯、可逐層展開的語義結晶網路。 \boxed{
\textbf{
AI 長期記憶的主要問題不是容量，而是如何把巨大記憶轉化為可尋址、可回溯、可逐層展開的語義結晶網路。
}
} AI 長期記憶的主要問題不是容量，而是如何把巨大記憶轉化為可尋址、可回溯、可逐層展開的語義結晶網路。 166. 核心命題二
Semantic crystal 永遠是 derived representation，不能取代 canonical raw source。 \boxed{
\textbf{
Semantic crystal 永遠是 derived representation，不能取代 canonical raw source。
}
} Semantic crystal 永遠是 derived representation ，不能取代 canonical raw source 。 167. 核心命題三
同一來源可以有多個 context-relative crystal；不存在必須唯一的「完美摘要」。 \boxed{
\textbf{
同一來源可以有多個 context-relative crystal；不存在必須唯一的「完美摘要」。
}
} 同一來源可以有多個 context-relative crystal ；不存在必須唯一的「完美摘要」。 168. 核心命題四
真正有效的記憶搜尋應先在結晶圖中路由，再按需展開來源，而不是每次重新閱讀全部歷史。 \boxed{
\textbf{
真正有效的記憶搜尋應先在結晶圖中路由，再按需展開來源，而不是每次重新閱讀全部歷史。
}
} 真正有效的記憶搜尋應先在結晶圖中路由，再按需展開來源，而不是每次重新閱讀全部歷史。 169. 核心命題五
成功的 retrieval path 本身也可以被結晶，讓記憶系統逐步學會如何更快找到自己的記憶。 \boxed{
\textbf{
成功的 retrieval path 本身也可以被結晶，讓記憶系統逐步學會如何更快找到自己的記憶。
}
} 成功的 retrieval path 本身也可以被結晶，讓記憶系統逐步學會如何更快找到自己的記憶。 170. 第一版總模型
寫入：
R i → K s y n c C i → G G C . R_i
\xrightarrow{K_{\mathrm{sync}}}
C_i
\xrightarrow{G}
\mathcal G_C. R i K sync C i G G C . 非同步：
G C → K a s y n c G C ′ . \mathcal G_C
\xrightarrow{K_{\mathrm{async}}}
\mathcal G_C'. G C K async G C ′ . 查詢：
q → Q q ′ → Π ξ G C v i s i b l e → T C \* → optional expand R \* . q
\xrightarrow{Q}
q'
\xrightarrow{\Pi_\xi}
\mathcal G_C^{\mathrm{visible}}
\xrightarrow{T}
C^\*
\xrightarrow{\text{optional expand}}
R^\*. q Q q ′ Π ξ G C visible T C \* optional expand R \* . 171. 結論
當儲存越來越便宜時，AI 記憶問題反而會更明顯。
因為：
「我保存了」與「我能在需要時準確找回」完全是兩件事。
如果一個 AI 有十億段歷史，
但每次回答都必須重新掃描，
那麼：
storage capacity \text{storage capacity} storage capacity 沒有真正轉化為：
usable memory . \text{usable memory}. usable memory . Crystallized Semantic Graph 的目標，就是在：
完整保存 \boxed{
\text{完整保存}
} 完整保存 與：
快速工作記憶 \boxed{
\text{快速工作記憶}
} 快速工作記憶 之間建立一層可持續演化的語義結晶。
原始歷史仍然存在：
R . R. R . 但系統平常操作：
C . C. C . 大量：
C C C 形成：
G C . \mathcal G_C. G C . 當下只顯影：
M a c t i v e . \mathcal M^{\mathrm{active}}. M active . 需要驗證時再：
C → R . C\rightarrow R. C → R . 於是：
巨大記憶可以保持潛伏，而不必每次進入 context。 \boxed{
\text{巨大記憶可以保持潛伏，而不必每次進入 context。}
} 巨大記憶可以保持潛伏，而不必每次進入 context 。 而當某種 recall 路徑反覆有效，
它還可以：
P M → ℓ ^ M . P_M
\rightarrow
\widehat{\ell}_M. P M → ℓ M . 因此系統不只：
記住內容。
它也開始：
記住自己應該怎麼找記憶。
這使長期記憶從：
archive \text{archive} archive 轉向：
adaptive semantic routing substrate . \boxed{
\text{adaptive semantic routing substrate}.
} adaptive semantic routing substrate . 最終，CSG 的核心可以收束為三句：
Raw memory preserves truth source. \boxed{
\textbf{
Raw memory preserves truth source.
}
} Raw memory preserves truth source. Crystals preserve retrievable semantics. \boxed{
\textbf{
Crystals preserve retrievable semantics.
}
} Crystals preserve retrievable semantics. Hyperlinks preserve the ability to move between abstraction and source. \boxed{
\textbf{
Hyperlinks preserve the ability to move between abstraction and source.
}
} Hyperlinks preserve the ability to move between abstraction and source. 因此：
結晶化語義圖不是摘要資料庫， 而是一個可展開、可回溯、可自我重組的 AI 長期記憶世界。 \boxed{
\textbf{
結晶化語義圖不是摘要資料庫，
而是一個可展開、可回溯、可自我重組的 AI 長期記憶世界。
}
} 結晶化語義圖不是摘要資料庫， 而是一個可展開、可回溯、可自我重組的 AI 長期記憶世界。 下一份技術白皮書
Technical Whitepaper 02｜UNPNP Game Experimental Runtime：以單機遊戲驗證自適應超連結與計算結晶化
將把 Series 10 的研究路線直接落成：
runtime modules；
event schema；
trace schema；
crystal schema；
benchmark harness；
frozen-model protocol；
A/B/C baselines；
Phase 0–4；
success / failure gates；
future legacy-program recompilation interface。