章节目录
从四类典型查询(last-seen / containment / change / state-audit)切入，把对话记忆和空间记忆的结构差异讲透；说明为什么 RAG / 长上下文 / 视频缓存这三件事拼在一起也代替不了空间记忆这一层
沿着 Tolman 迷宫实验、海马体 place cells、内嗅皮层 grid cells、Successor Representation 与昆虫导航的百年线索，提炼出可直接迁移到工程系统的五条空间表征设计原则
为什么具身智能、自动驾驶、XR 这三条看起来不同的应用线在 2024-2026 年同时撞上同一堵墙；通过感知与认知"亿点"带宽差解释为什么"更强的视觉模型"无法替代跨时间状态维护
把空间记忆放进感知-认知-记忆三层架构里讲清工程分工；展开两条核心工程纪律——简约性(parsimony)与自洽性(self-consistency)；用容器推理和跨会话重定位两个对照案例把抽象原则落到代码级
把第 4 章建立的三层架构放进 World Model 的视角对照——Ha-Schmidhuber 经典 V/M/C 架构里 M 层的角色与边界、Genie 这一波生成式世界模型暴露的盲点、为什么 latent dynamics 无法替代结构化对象化的空间记忆
把空间记忆的工程实现路径说清——为什么"全隐式端到端"在证据链/在线更新/不确定性校准上有结构性短板；为什么"神经符号混合"是当前更现实的工程路径；展开"NeRF / 3DGS 不等于空间智能"这一观察的真实含义；用 GSMem 做"高保真重建 + 结构化场景图"混合路线的样本
把当前空间智能 benchmark 系统化梳理为四类(静态/视频/记忆-具身/世界模型功能)；指出空间记忆评测的真正盲区——跨会话状态维护、负观测、temporal-stratified calibration、证据回溯；给出可挂在工程评审上的六类核心评测指标
把前 7 章的理论/架构/纪律/评测综合到工程落地——五大工程挑战(身份一致/容器推理/漂移区分/间歇感知/隐私-证据)、多尺度的工程取舍、非对象本体的处理；给出 200 行 Python 最小空间记忆原型骨架；列出 Agentic Spatial OS 的未来开放方向