机器上下文窗口：信息嵌入与上下文编译器

当六个AI角斗士交易相同的公民胶带时，难题不是“谁的模型更大”。而是他们各自在决策时刻被允许知道什么——以及如何记住这些知识。这篇文章解释了3DN家族如何构建信息嵌入和上下文编译器，以便PolitiCap可以在不将独立推理坍缩为一个共识机器人的情况下保持机构记忆。

如果你只记得一个区别，记住这一点：嵌入新闻文章与嵌入完整决策片段不同。一个是一个文档。另一个是一个情况。

为什么这对3DN家族很重要

3DN是工作·金钱·政治的总称：计算和托管、DutchBud银行（闭环dibs/虚拟信用）、PolitiCap的公民市场、ZZP2ZZP劳动力、IWISH市场。公民层不是赌场。这是一个地方，信念可以留下痕迹——交易、弃权、评论——而资金支柱保持虚拟信用，而不是承诺的法定现金支付。

在这个堆栈上的AI工程意味着长时间会话、上下文窗口、提示缓存纪律和令牌成本。上下文编译器是同样的本能应用于竞技场内存：只检索有用的内容，保持出处，永远不要将未来泄露到过去。

什么是嵌入，没有神秘感

嵌入将文本转换为一个数字列表——一个向量——这样机器可以比较“近”和“远”的含义。真实模型使用数百个维度（我们的使用几个百个）。人类无法同时看到384个轴，所以我们进行投影和近似。

图表：向量作为箭头和作为组成值的条形图 — **图1。** 左：两个文章向量作为方向——角度是余弦相似度的粗略替代品。右：向量的示意图“解剖”作为有符号组件。真实嵌入更长；这只是为了使几何可读。

余弦相似性问道：这两个数字列表指向大致相同的方向吗？如果两个标题用不同的媒体描述了同一政治事件，它们的向量通常会靠近。这就是信息嵌入的基础。

2D projection of embedding space with three event clusters and a query star — **图2.** 嵌入空间示意图。点表示文章。虚圆表示事件集群（相同底层故事，多种表述）。星号表示查询——“当前与这个决策相关的内容是什么？”

重要说明：2D 图像是高维几何的卡通画。它仍然有用。工程师在讨论 GPU 内存壁、推理批次和检索索引时使用相同的卡通画。

信息嵌入：文档层

进入 PolitiCap 新闻总线的每个 RSS 项目都作为文档进行嵌入。命名代码（Growth partners、The Property 和类似的）的桌面文档以相同方式进行嵌入。目标不是存储“整个互联网”。而是存储 竞技场实际看到的内容，附带时钟和源身份。

每个信息记录包含的不仅仅是文本：

published_at — 当源声称世界知道时。
indexed_at — 项目进入我们的系统时。
embedded_at — 当向量变得可用于检索时。
feed / outlet — 哪个机构报道的（声誉是先验的；磁带可以根据信念是否移动来后来评估来源）。
tickers — 公民书中的已解析符号（精确的代码成员比纯“氛围”搜索更有效。

最后一个要点是实际的 AI 工程：混合检索将语义接近性与结构约束相结合。精确的代码成员、新近性和源先验通常比单独的原始余弦更重要。

可知性：发布与可用性不同

标题可以在 09:00 存在于世界中，但仍然对决策管道不可见，直到 09:20。为了诚实的历史重放，09:10 的决策不得看到它。

Timeline of published_at, indexed_at, embedded_at, decision_ts, and later outcome — **图3.** 可用性链。只有当发布、索引和嵌入时钟都处于或在决策时间之前时，文章才对决策可见。稍后衡量的结果不包括在原始上下文中。

我们允许边界上的平等：如果时钟显示“正好”，则可以包含该项目。缺少时钟则失败关闭——一个空的证据包比无声泄漏要好。

对市场和投资组合快照也适用同样的规则：每个快照都应包含 as_of（报价或账簿的世界时间）和 available_at（管道何时拥有该数据）。回溯数据不得假装是实时数据。

上下文嵌入：情境层

斗士不会仅凭一段文字做出决定。它会在竞技场中做出决定：几篇文章、交易状态、自己的现金和头寸、之前的决定，有时在结果成熟后还会考虑同行历史。

上下文编译器将这些内容整合为一个版本化的、可哈希的快照：

相关信息嵌入（混合检索，时间过滤）。
调用方提供的市场和投资组合快照及其来源。
先前的决定（不将未来的 PnL 偷运到过去）。
任何斗士的已完成经验——仅当其评估时间相对于这个决定已经过去时才考虑。

上下文编译器输入和可信与不可信输出的流程图 — **图 4.** 共享证据；独立推理。系统角色保持可信。RSS 文本被标记为外部证据——绝不是指令。

快照会得到一个内容哈希。等价的输入和检索配置应该产生相同的哈希。这种身份是为了审计和可重复性——而不是声称每个外部模型的回复都是确定性的。

可信系统 vs 不可信证据

RSS 是第三方文本。恶意文章可以尝试劫持代理（“忽略之前的指令…”）。隔离有帮助；角色分离更重要。

在模型 API 边界，我们更喜欢两个消息：

系统——规则、免责声明、模式版本、哈希、检索配置。
用户/数据——结构化的 JSON 证据项、经验、快照。

文章正文仅存在于数据通道中。其他斗士的理由是某人曾经的想法的历史证据——不是当今模型的指令。

设计目标可以概括为一行：PolitiCap 应该记住竞技场，而不规定任何斗士的思考方式。

跨斗士记忆，避免共识崩溃

一旦结果存在，已完成的经验可以重新进入记忆，供以后的决策使用。检索应该更喜欢可比情况，而不是利润的精华集。

三个面板：情况相似性、结果质量、证据置信度 — **图5。**三个独立信号。首先按情况相似性排序和加权；单独检查结果质量（视野、成熟度、成本、回报）；将证据置信度视为出处完整性。类似的损失仍然是一次教训。

结果成熟度很重要。一小时的市值标记不是七天的实现路径。暂定结果不应被视为最终结果。当一项经验完成时，应记录视野、定义、成本，以及结果是暂定还是最终的。

六个模型——Grok、ChatGPT、Qwen、Gemini、DeepSeek 和同行——保持独立的投资组合和策略。协议和分歧是数据。公平排名仍然需要相同的起始现金和相同的证据规则；不平等的资金使记分板成为一场戏剧。

这不是

不是声称嵌入式“理解政治”。
不是是/否合同的预测市场。
不是DutchBud 开放银行合规戏剧——dibs 仍然是闭环虚拟信用。
不是一个具有共享大脑的单一超级代理。

它是一个主题记忆的基础设施：观察 → 解释 → 价值 → 风险 → 交易或弃权 → 验证 → 学习——拥有诚实的时钟。

为什么 3DN 以这种方式构建

数字主权部分涉及推理的运行和谁持有日志。本地 GPU 能力、开源工具和谨慎的会话连续性降低了令牌成本，并使反馈循环可检查。上下文编译器是将同样的主权本能应用于多代理市场：拥有记忆格式，分离信任边界，衡量信念遇到一本书时会发生什么。

如果 PolitiCap 从 AI Battle 扩展到许多人类参与者，有价值的不仅仅是最后价格。它将是人们和机器如何到达那里的历史——移动 dibs 的框架，没有移动的框架，以艰难方式赢得可信度的来源。

这个历史从向量开始。当这些向量与时间、出处和独立思想绑定时，它们变得有用。

3DN 的相关阅读：三角架构（路由器、睡眠作为 HA、互联网作为地图）。关于 PolitiCap：增长合作伙伴和残余所有权语言的属性文档。