用途：为 AI 编程代理实现持久意识层，使每个全新的无状态会话都能继承此前所有会话的累积理解。它由 Broomva Stack 第 2 层（记忆与意识）提供，是 24 技能栈的一部分。
主要能力：将三种基底编织为单一持久基质。① 控制金属层（如何行为）：闭环反馈 Setpoints → Sensors → Controller → Actuators → Verify，包含质量目标（如 pass_at_1 ≥ 0.70、gate_pass_rate ≥ 0.85）、由 .control/policy.yaml 定义的硬门（block）与软门（warn），门序列为 smoke → check → test → push → review → resolve。② 知识图谱（已知什么）：Obsidian vault，含 wikilinks、标签分类与 MOC 导航，每篇文档带 tags、related、type 的 YAML frontmatter。③ 会话日志（做过什么）：由 .entire/logs/entire.log 与 ~/.claude/projects/.jsonl 经 scripts/conversation-history.py 桥接生成 docs/conversations/.md，含完整对话线程、工具调用、涉及文件、提交与分支元数据。
使用方式：新仓库需先用 control-metalayer-loop 技能初始化控制金属层，创建 docs/ 的 Obsidian vault 结构（每节 MOC 模式），再用 knowledge-graph-memory 技能安装会话历史桥，并接线钩子（pre-push 重新生成会话文档、smoke 校验 MOC）。已有控制金属层的仓库则添加 docs/conversations/、安装 conversation-history.py、更新 CLAUDE.md 与 AGENTS.md 规则并加入 pre-push 钩子。会话开始时读取 CLAUDE.md、AGENTS.md、METALAYER.md、PLANS.md、.control/state.json 与 git 状态；改动前可用 grep -rl "keyword" docs/conversations/ 检索历史；任务完成运行 make smoke。另有 Lago 上下文引擎提供服务器端持久化（双 vault 搜索、按用户记忆、JWT 认证）。
适用与限制：适用于需要跨会话记忆与行为治理的代理开发流程；自进化循环让反复出现的模式结晶为策略门。具体部署细节与更多配置见仓库内 references/architecture.md 与 references/philosophy.md，本文未提供更多收费、平台等信息。