通过实现涌现的认知收敛：反映四大心智理论的结构化认知环

我们报告了四大具有影响力的心智理论——Kahneman双系统理论、Friston预测处理、Minsky心智社会和Clark延展心智——在一个被称为Agentic Flow的实用AI架构中无意间产生的结构收敛。Agentic Flow旨在解决大型语言模型（LLM）的局限性，由检索、认知、控制、行动和记忆五个互锁模块组成，构成一个可重复的认知环。尽管最初仅受Minsky和Clark启发，后续分析表明其结构呼应了所有四种理论的计算基元。这表明理论收敛可能源于实现约束，而非刻意综合。在对照评估中，结构化智能体实现了95.8%的任务成功率，而基线LLM为62.3%，展现出更强的约束遵循能力和更可复现的推理。我们通过一个更广泛的描述性元架构PEACE来表征这种收敛，突出了预测建模、联想回溯和误差敏感控制等反复出现的模式。该抽象后来被形式化为结构化认知环（SCL），将Agentic Flow中首次实现的原则推广为基于LLM的智能体行为智能的基础。这篇立场论文并非主张理论统一，而是提出智能架构可能会朝着由实际需求塑造的共享结构模式演化。因此，Agentic Flow作为结构化认知环的一个实现实例，说明了统一的认知形式如何不是源于抽象，而是源于现实世界推理的必要性。