5.2 混合式智能体架构

5.2 混合式智能体架构

本节摘要：混合式把反应、模型、规划、学习拼在同一循环里，让快回路保安全、慢回路做目标。常见拼接是垂直分层（时间尺度不同）与水平分工（同一时刻不同模块管不同行动维）。规则负责合法集，学习负责合法集内的残差，规划负责路点。混合的难点不是框图，是仲裁：谁在何时拥有执行器，以及学习更新不得穿透 L0。

本节导航

阅读完本节，你应当能够：

1. 画出三层时间尺度：反射、技能、任务规划
2. 对比垂直分层与水平分工的仲裁差异
3. 说明规则加学习如何提高可解释性而不只是「两个都要」
4. 指出混合失败时通常是仲裁而不是某一层算法不够强

为什么一层不够

SOURCE 用自动驾驶：纯规则遇突发笨，纯学习难审计。混合的动机在坐标系里更干净：环境同时具备硬实时（别撞）和长目标（到达），单一裁剪照顾不了 5.1 的两极。分层是时间尺度的承认：10 毫秒级避障、1 秒级跟车、10 秒级换道、分钟级选路。每一层有自己的状态粒度与模型。上层给下层设参考，下层在参考附近保证约束。上层慢、下层快，执行器默认听下层的紧急否决。

水平混合是另一刀：转向由反应，速度由优化，灯色由规则。它们同时输出，需要合成。比分层更易打结，因为没有自然的时间优先级。适合行动维度本来就独立的系统；不适合强耦合的底盘控制。

任务层  分钟   规划路点、目标栈
技能层  秒     跟车、插入货位
反射层  毫秒   急停、限幅
执行器 ← 反射层拥有否决权
​

💡 关键直觉：混合的产品是仲裁协议，不是模块清单。清单谁都会画，协议才决定撞车时谁说话。

规则、规划、学习怎么叠

规则当过滤器与 L0，见 3.3。规划当慢层，见 3.2。学习可出现在：技能层的策略、感知、局部 T。SOURCE 说混合能提高可解释性：因为对外解释可以走规则与计划，不必打开网络。这要求解释路径真的存在——若最终行动经常被网络否决规则，解释就在撒谎。设计上应让网络只在合法集内排序，而不是覆盖合法集。

鲁棒性来自多样性：一层失效，另一层兜。反射在规划超时仍能急停。规划在学习策略发疯时仍能给出路点。多样性生效的前提是失效可检测。若三层吃同一份错误状态，多样性是假的——认知单点故障。混合不能替代 2.1 的状态质量。

接口契约

每层应公布：输入状态字段、输出行动或参考、周期、失败时的默认。学习更新契约：只能改技能层参数，提交走 4.3。测试契约：单层测、再联调；联调必须包含「规划超时」「感知丢帧」「学习版本回滚」。没有超时测试的混合，上线后第一次卡顿就会露出真仲裁：可能是整个环冻住。

⚠️ 常见坑：用一个大模型同时当规划、技能和反射。延迟与不可审计会回到纯学习的老问题。大模型更适合慢层的任务分解，见 6.2，不要塞进毫秒回路。

温室混合很浅：反射是超温切断加热；技能是 PID 式维持；任务层是按天气预调曲线。仓库更深：反射防撞；技能走通道与插货；任务层排订单。自动驾驶更深且安全约束更硬。深度不同，协议同构。把同构写清楚，换领域时才不会从头发明「我们的独特架构」。

适应性来自 SOURCE 所说的动态调权重。权重本身应是慢变量，由监控而不是由瞬时奖励拧。瞬时拧权重会把混合变成另一套不可解释策略。调权要进 L1/L2，并留下日志：哪一天因为什么把技能层学习率或层间权重改了。混合系统的可维护性，看这些日志还在不在。

层间接口漂移怎么发现

上层路点用的坐标系与下层控制用的不一致，是混合最常见的静默故障。表现是「规划在地图上很美，车走 S 形」。查变换，不要先换学习算法。接口契约应含单位、坐标系、时间戳、失败默认。联调第一周只测这些，不测智能。测不过禁止加模块。多样性要求各层传感器不完全同源：反射尽量用最快、最稳的那几维（雷达距离、限位开关），任务层可以用慢视觉。同源则一层瞎、层层次。SOURCE 说混合增强鲁棒，前提是失效独立。独立要设计，不会因为画了三层就自动出现。

水平合成用约束优化时，权重又是慢变量。瞬时用奖励拧权重，混合会退化成不可解释策略。权重变更走 L1 人审。日志记下谁在哪天把「舒适」从 0.2 改到 0.05。没有日志的调权，等于暗改 3.1。

规划被反射频繁打断，说明上层参考不可行或过时。应降低上层频率、缩短视野、或把参考从「精确轨迹」改成「走廊」。打断次数是 5.2 的健康指标，类似否决计数。次数为零也不健康：反射可能没接上。健康在一个区间里，要标定。

大模型若进混合，只进任务层：把订单或用户话收成目标栈。技能与反射保持经典。延迟、可审计、可回滚这三项，生成式模块目前都不擅长在毫秒级兑现。演示把三者焊进一个提示词，产品把三者拆开。拆开才是混合，焊死是回退到纯学习，5.1 已经排除过。

本节检查清单

否决权是否默认在最快层？学习箭头画没画到反射 L0？层间单位、坐标系、时间戳、失败默认四项联调过了吗？规划超时车体是否仍能急停？三层是否同吃一份错状态从而假多样性？反射传感器是否尽量用最快最稳维？水平权重变更走不走人审日志？打断次数在不在健康区间，为零是否反而说明反射没接上？大模型有没有被塞进毫秒回路？解释路径是否真实，网络会不会默默覆盖规则？覆盖发生时对外解释还在引用规则，那是撒谎。撒谎的混合比纯学习更危险，因为它假装可审计。可审计要靠合法集真的先于分数。先于分数必须有测试，测试必须在本节的契约里，而不是在演示视频的旁白里。旁白不是仲裁。仲裁是超时那一毫秒谁说话。说话的那一层，才是混合真正的产品。

一次覆盖规则的联调

技能层网络输出「加速穿过」，规则层输出「前方距离小于阈值则限速」。仲裁应限速，并记一条否决。若最终加速度跟着网络走，混合在撒谎。撒谎测试每月跑一次，用合成状态专门制造冲突。冲突测不过，禁止宣称可解释。可解释依赖规则真的赢。规则赢依赖仲裁。仲裁依赖 5.2 的产品定义。定义写在否决权，不写在模块清单。清单可以同时包含网络与规则，这不叫混合成功。成功是冲突时谁说话。说话记录要能被 6.3 的追溯抽到。抽不到，义务章会发现解释是事后作文。作文来自生成，生成没有否决权。否决权在最快层。最快层若被学习直写，每月冲突测试会逐渐失败，因为网络学会了把状态推到规则刚好不触发的边缘。擦边是 3.3 警告过的。混合必须把擦边当成攻击来测，而不是当成优化成功。优化成功在合法集内。集外是事故。事故不因混合了规则就自动消失。规则必须赢。赢要测。测要合成冲突。合成冲突是本节的作业。作业不做，5.2 只是把 5.1 的表抄了三遍。抄三遍不是拼接。拼接是仲裁协议。协议能赢过网络，混合才存在。存在才能进 5.3 谈流。流在撒谎的仲裁上没有意义，因为行动已经不听流了。听的是漏网的分数。分数漏网，全书的合法集从这一层决堤。决堤从一次没跑的冲突测试开始。开始很静。静得像优化。优化到撞为止。撞才响。响之前用合成冲突让它响在实验室。实验室的响是便宜的否决。便宜的否决是混合的月租。月租要交。

实验室的响是便宜的否决。便宜的否决是混合的月租。月租要交。交的是合成冲突测试。测试不过禁止宣称可解释。可解释依赖规则真的赢。规则赢依赖仲裁。仲裁是产品。产品不是模块清单。清单可以同时有网络与规则。同时有不叫成功。成功是冲突时谁说话。说话记录要能被追溯抽到。抽不到，义务章会发现解释是事后作文。作文来自生成，生成没有否决权。否决权在最快层。最快层若被学习直写，每月冲突测试会逐渐失败，因为网络学会把状态推到规则刚好不触发的边缘。擦边当攻击来测，不当优化成功。优化成功只在合法集内。集外是事故。事故不因混合了规则就自动消失。规则必须赢。赢要测。测要合成冲突。合成冲突每月跑。跑过，5.2 过关。过关后把冲突测试与 3.3 的高分非法测试排在同一回归。同一回归拦擦边。擦边是网络对规则的慢性进攻。慢性进攻只能用月测抓住。抓住了回滚技能版本，不改 L0。L0 仍赢。仍赢才叫混合还在。还在才能进 5.3 谈流。流在撒谎的仲裁上没有意义。意义从规则赢开始。规则赢过关。过关标志是合成冲突时限速留下记录。记录能被抽到。抽到过关。

重点提炼

• 一层照顾不了快慢目标：分层是时间尺度，不是画得好看
• 产品是仲裁：否决权默认在最快层
• 学习停在技能层：反射与 L0 禁止直写
• 解释必须真：网络不得默默覆盖规则
• 多样性要独立失效：别三层同吃一份错状态
• 契约含超时：卡顿时环不能冻住

下一节用协同循环把架构图逐项对回接口。