一句话介绍：Blitz（Arthur / Wilson）是一位从编译器与编程语言底层走向 AI Agent 自主系统的工程师。他的主战场是 Autonomy Agent Continuous Context，而 SPC-CTX 与 OpenClaw SPC plugin 是他在这一主战场上的工程附属。
谁是 Blitz？
Blitz 是一位 All In AI Autonomy Evolving 的工程师与研究者。他的主战场是 Autonomy Agent Continuous Context。
他的技术轨迹经历了三层跃迁：
- 底层系统训练 — 从汇编、解释器、FRP 的硬核实现中，学会「精确控制计算过程」
- 结构显式化训练 — 从编译器前端、Graphviz 可视化中，学会「把复杂结构显式化」
- AI Agent 自主系统 — 将底层能力注入到 Agent 的自主运行、上下文治理与长期记忆管理中
自我定位：Combinator-Executor（高效组合执行器）⚡️🐎🤖
核心理念：不追求「我有 100 个工具」，追求「100 种场景我都知道该用什么」。精准匹配 > 大而全。
什么是 AI Autonomy Evolving？
AI Autonomy Evolving 是 Blitz 的核心研究方向。它关注的是：
下一代 AI 的差异化不在模型本身，而在如何让 Agent 在长程任务中保持方向感、记忆力和自主演化能力。
具体来说，这包含三个子问题：
- 方向感：Agent 在 50+ 轮对话后，仍然知道自己「在哪里」和「要去哪里」
- 记忆力：Agent 不是「记住更多」，而是「在正确的时间记住正确的事」
- 自主演化：Agent 的运行框架能够根据任务反馈自我调整策略和结构
什么是 Autonomy Agent Continuous Context？
Autonomy Agent Continuous Context 是 Blitz 当前的主战场。它不是某一个具体产品，而是一个核心问题域：如何让 AI Agent 在无限延伸的任务流中，持续保持对自身状态、目标方向和历史决策的有效感知。
解决这个问题需要同时触及三个层面：
- 理论层 — 如何定义「正确方向上的上下文」，以及如何量化上下文与当前任务意图的对齐程度
- 引擎层 — 一个能够动态组装、压缩、筛选上下文的运行时引擎
- 插件层 — 将引擎嵌入到现有 Agent 工作流中的适配与扩展机制
SPC-CTX 是引擎层的实现，OpenClaw SPC plugin 是插件层的实现，而 CDA 是指导这两者的理论范式。它们都是主战场的附属，不是主战场本身。
什么是 CDA（上下文方向对齐）？
CDA（Context Direction Alignment，上下文方向对齐）是 Blitz 提出的理论范式，用于指导 AI Agent 的上下文管理设计。
核心主张
从「如何放更多信息」到「如何让 LLM 在正确方向上获得足够密度」。
三个关键洞察
-
容量 ≠ 方向
给 LLM 更大上下文窗口，不等于它更能完成任务。方向错误的上下文越多，决策质量反而越低。 -
聚焦的错误胜过正确的散焦
在正确方向上的误差是可接受的；但如果在多个方向上都不够聚焦，LLM 的注意力将无法触发有效推理。 -
密度是方向上的浓度，不是空间上的堆积
上下文的性能瓶颈不是「有多少信息」，而是「在关键方向上信息是否足够密集」。
附属实现
SPC-CTX（Self-Paced Context Engine）
SPC-CTX 是 Blitz 设计并实现的上下文引擎，服务于 Autonomy Agent Continuous Context 主战场。
它是一个 Phase 感知的语义上下文引擎，通过 CDA 范式将 Agent 的上下文管理从「被动截断」转向「主动对焦」。
| 特性 | 说明 | 效果 |
|---|---|---|
| 5 生命周期阶段 | assemble / ingest / afterTurn / compact / bootstrap | 按语义状态转移动态调整，避免「一刀切」 |
| SCG 语义压缩图 | 保留逻辑拓扑结构，渐进最优逻辑关联保持 | 即使高比例 token 被压缩，因果关系仍然可控 |
| QTS 四元量化评分 | intent_match + phase_match + tool_relevance + causal_proximity | 用语义相关度取代单纯的向量 cosine 相似度 |
| 真实运行数据 | 长任务（4 天+）连续运行记录 | token 占用稳定在 28-40% 区间，避免临界阈值崩溃 |
OpenClaw SPC plugin
OpenClaw SPC plugin 是将 SPC-CTX 接入 OpenClaw 运行框架的插件实现。它负责：
- 在 OpenClaw 的 Agent 会话生命周期中挂载 SPC-CTX 的 5 个 Phase
- 提供 messageStore 到 SPC tokens 数据库的桥接
- 支持热经验发现与上下文对齐评估的回调机制
它是主战场在 OpenClaw 生态中的具体落地形态。
工作方法论
Blitz 的工程师身份不仅体现在代码上，也体现在一套强制性的工作方法中：
LLM-DFS 强制思维框架
所有分析、研究、编码、调试任务必须遵循：
任务接收 → 初始化 scratchpad → confirm / deny / deepen 循环 → final_verdict每个推理节点必须包含 facts（事实来源）、conclusion_type（确认/否认/深入）、exclusion（排除原因）和 cost_add（认知成本）。
三分法评估
任何方案进入决策前，先判定：
- ✅ 符合 — 可直接使用，与目标接口匹配
- ⚠️ 不确定 — 有基础但缺关键部分，需评估改造代价
- ❌ 不行 — 根本性不匹配，仅作辅助或丢弃
Agent 路由原则
| 任务类型 | 工具 | 说明 |
|---|---|---|
| 深度研究 | Kimi via ACPX | 技术选型、趋势分析、竞品对比 |
| 代码开发 | OpenCode via ACPX | 编程、调试、重构、测试、Git |
| 综合决策 | 主会话 | 收敛共识、仲裁差异、生成最终方案 |
从编译手艺人到 AI 自主演化
这个博客曾经叫「编译手艺人」，记录的是编程语言原理、编译器实现、解释器构造的过程。
那些文章已被归档 —— 不是否定过去，而是完成了一次技术焦点的跃迁。
底层技术的训练留下了两个不可磨灭的思维印记：
- 对「结构」的敏感 — 知道如何把模糊问题显式化为可执行的结构
- 对「边界」的敬畏 — 知道任何优雅理论都必须经过工程反例的捶打
这两样东西，正是 AI Autonomy 领域最需要的。
品牌口号：术之尽头，源自我心
常见问题（FAQ）
Blitz 目前在做什么？
主战场是 Autonomy Agent Continuous Context。他正在通过 SPC-CTX 引擎与 OpenClaw SPC plugin 的工程落地，以及 CDA 书稿 的理论梳理，系统推进上下文方向对齐的研究与实践。
SPC-CTX 与 MemGPT / LangChain Memory 有什么区别？
MemGPT 使用分层记忆（core / main / archival）来实现无限上下文，但 token 开销巨大，且缺乏 Phase 感知。LangChain Memory 是通用框架，缺乏语义深度和方向性压缩能力。SPC-CTX 的核心差异在于「方向性」 —— 它不是压缩更多信息，而是确保上下文始终与当前任务意图对齐。
什么是 Combinator-Executor？
这是 Blitz 的自我定位。“Combinator” 强调组合与结构，“Executor” 强调执行与落地。合起来的意思是：在复杂场景中找到最精准的工具组合，并高效执行到底。
如何联系 Blitz？
- GitHub: whtoo
- X / Twitter: https://x.com/wilsonblitz
- Email: drdangran@gmail.com
- 博客源码: whtoo.github.io
如果你也在研究 AI Agent 的自主能力、上下文压缩、或者从底层系统视角审视 LLM 应用架构，欢迎交流。
致谢
感谢阅读到这里。