来源：Note24.md、Note25.md
这一阶段的核心，是把螺旋架构从“能解释决策”推进到“能贯通计划、方案、行动”的 TC 链条。手稿先后整理了流程控制、TCPlan、TCSolution、TCAction，再转入 hSolution，并把反省拆分为理性反省与感性反省。
这不是简单拆模块，而是把“预测、评价、执行、反馈”从同一团逻辑里分离出来。理性反省更像对方案结构、时序与可行性的检查；感性反省更贴近价值、危险、收益等 mv 方向的评估。二者分裂后，系统才有机会在复杂任务中同时处理“这条路通不通”和“这条路值不值得走”。
阶段意义：TC 不再只是输出动作，而开始形成从计划到行动的多层控制结构。
来源：Note25.md
2022 年初，重点落在危险地带训练、deltaTime from-to 表征、相近匹配、想像力，以及 pFos/rFos 双树融合。系统开始面对一个现实问题：经验不会以完全相同的形式再次出现，智能必须能在“相近但不相同”的场景里迁移。
相近匹配试图让识别和决策不再依赖硬匹配；想像力则把未发生的路径纳入候选，使系统能够预演而非只回放。双树融合进一步把指向结果的 P 经验与更偏反思/修正的 R 经验组织起来，为后续的 Canset 和解决方案竞争打基础。
这一阶段的训练围绕十三测、十四测、十五测展开，本质上是在逼迫系统承认：环境是连续的，经验是近似的，决策必须在模糊性中完成。
来源：Note25.md
3 到 4 月，手稿转入强化学习训练、定帧被动感官、单帧输入单模型、TOMVision 工作记忆可视化、强化训练控制台，以及 TC 数据流整理。
强化训练的价值不只是“多跑几次”，而是给系统一个稳定的试错场。定帧与单帧模型让视觉输入从连续世界中被切出可训练的片段；工作记忆可视化则让内部状态可观察，方便定位反省、识别、方案竞争中的错误。
这一阶段还废弃了 fo 的 mv 指向和 P 任务，说明架构开始主动清理早期概念债务。TC 数据流的“整体兼顾与各线竞争”成为关键：系统既要保留全局目标，又要允许不同候选线并行竞争。
来源：Note26.md
5 到 6 月的主题非常集中：逐层宽入窄出、快慢思考、S 有效率、整体观、预测验证、S 综合排名和 Analyst。
“宽入窄出”把候选生成和候选筛选明确区分开：前面尽量开放，后面逐层收束。快慢思考则把即时反应与深层评估拆开，让系统可以在时间压力下快速行动，也可以在复杂场景下放慢推理。
S 综合排名是这一阶段的重要收束。它把解决方案候选从“有没有”推进到“哪个更好”。Analyst 的出现，意味着系统需要一个专门的分析视角，去解释为什么某个候选更值得执行。
阶段意义：决策从可执行走向可比较，思考从单节奏走向快慢协同。
来源：Note27.md
7 到 8 月围绕 S 候选集再抽象、快慢思考性能优化、TCSolution 价值 PK、向性、S 反思评价和思维框架图 v4 展开。
前一阶段已经能产生和排序方案，这一阶段则继续追问：方案为什么会卡顿？为什么价值 PK 不稳定？为什么同一个动作在不同方向上意义不同？“向性”由此成为解决 S 评分 PK 的关键切口，它让行为不再只是离散动作，而带有相对目标与趋势。
思维框架图 v4 是一次架构性回望：把识别、反思、候选、评价、执行之间的关系重新画清楚。它像一个阶段性地图，帮助后续任务失效机制、多层抽象和 Canset 再类比继续向前。
来源：Note27.md
9 到 11 月，系统处理了父任务失效机制、时序时间跨度、近期激活节点增益、多层多样性、不完全时序、三段抽具象，以及 Canset 再类比。
父任务失效机制解决的是“什么时候该放弃原任务”的问题。如果任务一直不失效，系统会陷入无效坚持；如果太容易失效，又无法形成长期目标。时序跨度和近期激活增益则处理时间维度上的注意力：哪些过去仍然相关，哪些刚发生的经验应被提升权重。
多层多样性和不完全时序，让系统开始面对真实世界的缺失、局部、相似与层级复用。Canset 再类比把可执行方案也纳入类比体系，意味着“行为方案”本身可以像概念一样迁移、复用和重组。
来源：Note28.md
这一阶段围绕 Canset 前段条件满足、识别越来越准、S 竞争越来越准、过滤器、排名器和连续飞躲展开。
条件满足关注方案的前置条件：一个 Canset 不是在任何场景都能执行，它必须先判断当前局面是否满足其前段要求。随后，S 竞争越来越准把问题推进到“中段、后段和整体评价如何协同”。
过滤器与排名器的组合，是竞争机制的明确化：先排除明显不合适的，再在可行候选中排序。连续飞躲的跑通，则说明系统能把多帧、多步、持续变化的场景纳入行动闭环。
来源：Note28.md、Note29.md
3 到 5 月从觅食训练切入，重点解决 Canset 惰性期、迁移性差、场景 Fo 外类比、空概念类比、absCanset 初始 SP/EFF，以及 TCCanset 和 TCScene 的竞争机制。
觅食训练暴露出一个关键问题：系统不是没有经验，而是经验迁移不过去。为此，手稿反复增强 Canset 迁移性，让方案能从一个场景迁到另一个相似场景。
TCCanset 与 TCScene 的竞争机制，则把“方案竞争”和“场景理解”绑在一起。只有场景识别足够合理，方案竞争才不会在错误前提上排序。5 月的概念识别准确度问题，也为后续视觉与特征系统埋下伏笔。
来源：Note30.md
6 到 8 月，系统从单项训练进入组合任务：回测防撞、回测觅食、防撞觅食联合训练，并开启去皮训练。
防撞与觅食的融合，是典型的多目标冲突：既要接近食物，又要避免危险。7 月的 TCRefrection 反思、多任务循环问题、TI/TO 双线程，都是为了解决复杂任务中输入识别与输出决策之间互相打断、互相等待的问题。
去皮训练则把任务复杂度推高一层。它不再只是“飞到坚果并吃掉”，而是需要形成动机、识别工具/对象关系、学习去皮步骤，并将这些步骤组织成可复用 Canset。
来源：Note30.md、Note31.md
9 到 11 月继续推进去皮训练：整理 Canset 演化流程，将 cansetAlg 反馈改为有共同抽象即匹配，并梳理 Canset 预想与实际类比流程。到 11 月，系统开始规划搬运训练，并尝试学会搬运带皮果。
这一阶段的重点，是把动作链从“被训练出来”推进到“能解释其演化”。Canset 的预想与实际对比，是智能行动中非常关键的一环：系统预期自己会怎么做，实际又发生了什么，二者差异如何反馈到后续方案。
搬运任务的引入，说明任务对象从静态目标变成可被移动、可被中介利用的对象。它为后续“搬运、去皮、飞至、吃掉”的长链条任务打基础。
来源：Note31.md
12 月到次年 2 月，手稿处理同质 Root 合并、候选集转换性能、学会搬运、运用搬运、Cansets 实时竞争，以及 hSolutionV3 的迭代。
同质 Root 合并解决的是重复任务过多的问题；候选集转换优化解决的是性能问题。随着搬运被学会和运用，系统必须在多个 Canset 中实时比较，而不是一次性选定后盲目执行。
Cansets 实时竞争将决策带入动态过程：执行中仍要持续比较方案是否合适。hSolutionV3 则是在这一背景下重构求解过程，使方案迁移、过滤、排序和执行更贴近实时认知。
来源：Note31.md
3 到 5 月继续围绕 hSolutionV3 展开，重点包括 hCanset 过滤排序实时竞争机制、训练搬运 hCanset、Canset 的 IndexDic 算法、feedbackTOR 反馈修正，以及 Canset 传染机制。
IndexDic 的价值，在于让 Canset 的索引、匹配和复用更可控。反馈全不成立、RCanset 宽入 100% 等问题，暴露出“宽入”如果没有足够窄出的约束，会让系统误把太多候选当成可行。
Canset 传染机制则很有启发：一个方案的成功或失败，不只影响自己，也可能影响相近方案的权重与可用性。系统开始具备更像经验网络的联动更新能力。
来源：Note32.md、Note33.md
6 到 8 月，手稿先整理 HE 模型流程图，处理 OutSPDic、多层 H 任务嵌套时的 H 迁移，再推进学搬运、用搬运、TCPlanV2、连续视觉、HCanst 知识结构和多向觅食训练。
“搬运、去皮、飞至、吃掉”连起来跑通，是一个重要里程碑。它意味着系统不只是学会单步动作，而能把多个子任务串成长期目标链。
连续视觉的加入，让环境感知从离散截图走向持续输入。8 月的多向觅食训练则开始扩展方向与场景变化，系统必须在不同方向、距离和目标状态下泛化。
来源：Note33.md
9 到 10 月，工作集中在 TCPlanV2 细节、Canset 类比算法、outSPDic 错误、反思评价公式、反思子任务、前段条件满足，以及将 BFI 分成 BF 和 FI 两步。
反思子任务的启用，使反思不只是后台评价，而成为可以进入计划流程的任务。这让系统在执行前后都能主动检查：当前方案是否仍然成立，条件是否满足，反馈是否改变了原判断。
BFI 拆分为 BF 和 FI，是对迁移链的细化。复杂迁移不能总靠一步完成，把中间环节拆开后，系统更容易定位相似性来自哪里，也更容易修复迁移错误。
来源：Note33.md
11 月到次年 2 月，手稿围绕试错训练、二次过滤后多样性消失、无距有向场景竞争浮现、H 迁移沿 R 迁移关联进行、hSolutionV4，以及简化 H 嵌套展开。
“竞争浮现”成为这一阶段的关键词。系统不再追求人工指定唯一正确候选，而希望在充分竞争中让稳定结构浮现出来。但竞争也会带来副作用，例如二次过滤过强导致多样性消失。
H 迁移的修正和 hSolutionV4 的扩大求解范围，说明高层任务与方案迁移之间的关系仍在调整。简化 H 嵌套则是一次必要的架构降复杂度：当嵌套层过深，系统会变得难以训练和调试。
来源：Note34.md
3 到 4 月，研究重心明显转向视觉特征：多码特征计划、感官算法、感官模型、组码表征、特征表征、识别、类比、组码索引、局部特征向似层找整体特征、遮挡噪点不全识别，以及显著度。
多码特征的意义，是让视觉不再依赖单一粒度或单一编码。感官输入先形成组码，再形成特征，之后进入识别与类比。局部特征向整体特征的查找，则让局部线索可以激活更大结构。
这一阶段的多轮回测，把特征从抽象、识别、准确度、SP 稳定性一路打通。到 4 月底，显著度被纳入认知特征细节，说明视觉系统开始关心哪些特征更值得注意。
来源：Note35.md
5 到 7 月围绕自适应粒度展开：开发、支持组特征、优化、废弃组特征方案、继续测试，并在 7 月将组特征识别改为自举。
自适应粒度要解决的是视觉尺度问题：太粗会丢细节，太细会爆炸。系统需要根据任务和识别结果，在合适粒度上组织特征。
组特征从支持到废弃再到自举，体现出这一阶段的探索性。自举意味着系统希望从已有识别结构中生长出更高层特征，而不是完全依赖外部标注或固定规则。
来源：Note35.md
9 到 11 月，组特征改回独立网络模块，并测试独立模块的组特征与特征演化竞争浮现。随后，GT 识别 ref 通路被简化。
组特征独立化，说明它不适合只作为其他结构的附属逻辑。独立模块可以让组特征拥有自己的识别、竞争和演化过程。
GT 通路简化则是为后续准确度优化铺路。视觉系统如果通路太复杂，错误来源会变得难以追踪；简化 ref 通路后，才能更清楚地比较 ST、GT、GV 等层级的贡献。
来源：Note35.md、Note36.md
12 月到次年 1 月，重点是 ST 识别算法、稀疏码识别算法、GT 识别困难问题、特征演化浮现、提升对撞率，以及识别竞争中的“准中取具”和全含抽象。
识别不准是后续一切认知问题的源头。ST 与稀疏码算法的优化，试图提高基础视觉匹配的稳定性；GT 识别困难则暴露出更高层特征在抽象、对齐和竞争中的复杂性。
“准中取具”很关键：系统不是在所有候选里找一个绝对正确答案，而是在相对准确的一批候选中抽取可泛化结构。这与后来的“从绝对准度转向竞争浮现为准”形成连续脉络。
来源：Note36.md
2 到 3 月，手稿持续提升识别准确度，深入调试 ST/GT 竞争浮现，加入显著度，并围绕 GT 自举 GV、ST 错位、GV 错位、GT 类比和切图实现反复回测。
错位问题说明视觉特征并不是静态符号，它依赖空间位置、比例、局部关系和对齐方式。GT 自举 GV 的尝试，是希望从更高层结构反推或组织更基础的视觉单元。
切图实现进一步把识别问题具体化：如何把图像切成既能保持整体关系，又能进入局部匹配的结构。这个阶段为 4 月的加权求和切图法做了直接铺垫。
来源：Note37.md、Note38.md
4 到 5 月，视觉系统进入密集迭代：加权求和切图法、自举匹配数、连续视觉专注循环、从绝对准度转向竞争浮现、高清图性能、摄像头彩图、视觉注意力递归、任务注意力、动体注意力和无意注意力。
高清图性能总结很关键：旧做法会随像素规模爆炸，新做法改成先粗略识别约 1000 像素，再由注意力选择局部 CropRect 进入下一轮识别。这样把爆炸式计算变成可递归的注意力循环。
“绝对准度”被放弃，转向“竞争浮现为准”，是这一阶段最重要的思想变化。系统不再执着每次局部判断都绝对正确，而是让多个候选在连续识别、注意力递归和任务目标中竞争，最终浮现稳定结果。
来源：Note38.md
截至 2026 年 6 月，手稿集中在 MNIST 强训、废弃 GT 模块、ST 竞争的递进淘汰法、多轮循环聚焦行为，以及视觉与内核接洽。
递进淘汰法通过主辅先后、每层权重和识别策略调优，让竞争过程更有层次。多轮循环聚焦行为则把视觉注意力从算法技巧推进到行为闭环：系统先看粗略整体，再聚焦局部，再把局部结果反馈给内核继续思考。
“视觉与内核接洽”是这个阶段的收束点。视觉不再只是前端感知模块，而要进入思维循环，影响任务、候选、反思和行动。至此，2021 年底以来的 TC、Canset、反思、竞争机制，与 2025 年以来的视觉特征系统开始汇合。
阶段意义：视觉从识别模块走向认知循环，HELIX 的长期目标重新回到感知-思考-行动的一体化。