CORE PRODUCT · EVOLUTION CONTROL PLANE

MEDC 不是 Agent 框架
是演进控制平面

Harness 决定这一次做得好不好，MEDC 决定下一次能不能更好。它让每一次执行留下轨迹，把经验编译成可部署、可测量、可回滚的工件——过不了门禁的改进，不进生产。

OLIV 闭环→ 三种交付形态
6项演进能力
4步 OLIV 闭环
3种交付形态
业务与执行环境 定义真实成功标准，提供结果反馈 —— 也是检验改进是否有效的裁判
MEDC Engine Evolution Control Plane
OBSERVE 采集轨迹
LEARN 提炼经验
DECIDE 做出决策
IMPROVE 生成优化
VALIDATE 独立验证
RELEASE 管理发布
Harness · Execution Plane 理解任务 → 组织上下文 → 编排流程 → 调用工具 → 执行任务 执行平面 · 客户现有的 Agent 与流程
SEC.01核心命题
WHY MEDC

今天的 Agent 会执行
却很难持续进化

四个结构性缺口，让「做过的事」无法沉淀为「下次做得更好」。

01

经验流失

大量执行轨迹、决策与反馈未被系统化利用

→ 同样的错误，在新项目里重新犯一次
02

记忆不等于能力

Memory 能保存历史，却形不成可迁移的能力

→ 记得住，但在下一次任务里用不上
03

实践孤岛

不同 Harness 的优秀实践难以跨环境共享

→ 每个新项目，都从零重新摸索
04

改进不可信

自我改进缺乏独立验证、版本治理与回滚机制

→ 不敢让系统自动改自己，演进停在演示阶段

四个缺口指向同一件事 —— 缺少一套从执行结果到可部署改进的闭环基础设施

SEC.02能力构成
CAPABILITIES

六个能力，一条演进链路

MEDC 不是普通 Memory，也不是单一 Agent —— 是横跨多个 Harness 的决策与演进控制平面。

OBSERVE 采集轨迹 任务、决策、执行与反馈
LEARN 提炼经验 模式识别与因果归因
DECIDE 做出决策 动作排序与风险判别
IMPROVE 生成优化 策略、Skill 与工作流
VALIDATE 独立验证 隔离评测与回归门禁 门禁 · 分水岭
RELEASE 管理发布 灰度、回滚与版本治理
边界声明

安全相关控制永远由经过认证的 DCS / SIS / PLC 承担；MEDC 只决定什么需要人看、什么可以上线、哪次改进算数。

SEC.03演进机制
OLIV LOOP

经验如何变成能力

四个动作不是流水线，是闭环 —— 只有通过验证的改进才能回注生产。

O
观察记录OBSERVE
  • 全链路 Trace 采集
  • 决策节点完整留痕
  • 业务结果与人工反馈回流
L
提炼经验LEARN
  • 多次轨迹聚类抽象
  • 因果归因，而非摘要
  • 标注适用边界与失效条件
I
生成方案IMPROVE
  • 策略与 Prompt 优化
  • Skill / Workflow 重构
  • 验证规则与测试用例生成
V
独立验证VALIDATE
  • 隔离环境独立评测
  • 安全 / 泛化 / 回归三重门禁
  • 灰度发布与一键回滚
闭环回注

通过验证的策略与工件回注 Harness 下一轮执行；未通过门禁的改进回退并重新提案 —— 闭环由此成立。

未经验证的经验和改进，不能自动进入生产环境 —— 这是 MEDC 与「自动改自己」的根本分野。

SEC.04双模型
DUAL MODEL

Decision 管当下，Experience 管未来

一个在线做决策，一个离线做泛化；两个模型互相供给。

D
Decision Model在线决策模型
输入
任务状态、约束条件、候选动作、已批准经验
输出
动作选择、工具与模型路由、置信度、风险与升级建议
目标
低延迟、高可靠、可校准的决策控制
运行位置
任务执行链路 · 在线
System-1 · 常规路由System-2 · 深度推理
E
Experience Model经验泛化模型
输入
多次任务轨迹、结果、反馈、环境差异与反例
输出
同行业可复用规律、适用边界、置信度与失效条件
目标
把历史执行数据抽象为未来可利用的经验能力
运行位置
演进控制链路 · 离线
是否有效为何有效适用于哪里何时失效

Memory 保存历史，Experience 生成能力；但经验只在同行业跨项目复用，不做跨行业泛化承诺。

SEC.05总体架构
ARCHITECTURE

五个平面，一条经验回路

事件从执行平面流入，策略经门禁验证后回注 —— 五层各司其职，一条回路贯通到底。

L1
业务与执行平面任务入口 → 决策引擎 → Agent Runtime → 环境与反馈
L2
MEDC 核心引擎Observe 观察 → Learn 提炼 → Improve 生成 → Validate 验证
L3
验证与发布门禁质量 · 安全 · 泛化 · 成本 · 灰度 · 回滚 —— 六道门，缺一不放行
L4
双模型知识基座Decision Model 在线决策 ＋ Experience Model 经验泛化
L5
基础设施与治理Trace · 向量与图谱检索 · 模型与工件注册 · 权限 · 审计 · 评测隔离
SEC.06受控演进
CONTROLLED RSI

让自我改进可信、可回滚

改进不会自动生效 —— 提案者与验证者分离，每一版都要过六道门，且随时可以回滚。

01 改进提案

由经验编译出候选工件

02 隔离评测

在隔离环境跑基准与回归

03 三重门禁

安全 · 泛化 · 回归逐项判定

04 风险审批

高风险改动需人工确认

05 灰度发布

小流量先行，可随时撤回

06 真实结果验证

以业务结果为准，不看自评

回退路径

任一门禁未通过 → 回退并重新提案；不允许绕过门禁直接上线，也不允许用 Agent 自评替代业务结果。

原则 01 · 权责分离

改进提出者与独立验证者分离，验证结论不受提案方影响

原则 02 · 版本治理

生产环境保留完整版本、审计记录与一键回滚能力

原则 03 · 收益口径

不将 Agent 自评等同于业务收益，以真实结果为准

SEC.07经验工件化
EXPERIENCE → ARTIFACT

经验不是提醒，是工件

经验不是「提醒 Agent 下次注意」，而是编译成可执行、可测量、可回滚的工件。

已验证经验
  • 含证据链、适用边界、置信度与失效条件
  • 证据可回读，不靠模型口述
  • 写清适用于哪类场景
  • 明确什么条件下失效
经验编译器

把抽象经验编译成可部署工件

① LLM 提案② 模板化编译③ 静态检查④ 沙盒验证
六类可部署工件
Decision PolicyAgent SkillPrompt / ContextWorkflowValidator / TestTool Configuration
发布门禁

候选工件 → 独立验证 → 工件注册 → Harness 下一轮直接调用，能力就此固化

不能编译成工件的经验，只能停留在建议层面 —— 这是我们主动划的边界。

SEC.08交付形态
THREE FORMS

一套引擎，三种形态

同一套演进能力，按客户的合规要求与 IT 成熟度分层交付；谁来用、能碰什么数据，决定了它长成哪一种。

形态一 · 云端

API / MCP

把决策与经验做成可调用的接口，挂到客户已有的 Agent 上

  • 标准 MCP 协议，主流宿主直连
  • 按调用量计费，无起订量要求
  • 多租户云端，分钟级开通
适合：有研发能力、要先把场景跑通的团队
形态二 · 私有化

SDK

把演进控制平面嵌进客户自有系统，模型可换、数据不出内网

  • 决策 / 经验 / 门禁 / 审计 四层可独立集成
  • 兼容国产模型与信创栈
  • 本地部署，数据不出内网
适合：金融、政务、央国企等强合规客户
形态三 · 端侧

MEDC Box

一台边缘盒子，把决策模型与经验库放到没有 IT 能力的现场

  • 开箱即用，断网可用
  • 单机 32 路视频或 200 并发
  • 经验本地增量、按周回传
适合：工厂、工地、门店等无人值守现场
SEC.09现场实证
FIELD DATA

引擎已经在现场跑起来

衍生产品是引擎的直接使用者——它们验证能力边界，也把现场数据带回引擎。

86.6%
判定在本地闭环 其余按置信度升级云端或交人工兜底
0.3秒
单次本地判定 输出校准概率，而不是文本
68条
预置行业规则 三个行业已交付
70%
存量摄像头可接入 不换设备，复用现场资产
本地闭环结构

快脑单次判定在 0.3 秒内完成，输出校准概率而非文本：丢弃空帧 23.9% · 质检拦下 43.9% · 高置信直出 15.2% · 升级云端 6.3% · 无判定交人工兜底 7.1%

数据口径：衍生产品现场部署统计，截至 2026 年 9 月；「86.6% 本地闭环」为判定结果分布统计，非识别准确率。

衍生产品 01 安途智卫

引擎在物理现场的直接落点：把存量摄像头变成 7×24 小时的安全员

了解详情 → 衍生产品 02 知识编译智能体

引擎在知识侧的直接落点：来源可回读、版本可裁决、失效即停用

了解详情 →
START WITH US

让 AI 做完一次，就变强一点

先诊断，后行动；从低风险场景起步；交付即赋能；不绑定供应商。欢迎带着真实场景与我们交流。

电话咨询 151 1023 3819 发送邮件