代理读了自己的失败又重犯，于是我让图谱来强制执行

📋 概述

EmbodiWeave 要回答的不是「要不要多训一会儿」，而是「在一堆已有检查点里，从哪个继续训最划算，以及怎么知道结果真的更好」。作者的场景是个小小的 2D 独轮车机器人，第 51 步撞上了正在过马路的行人。此后他积累了一堆检查点：原始的、训得更久的、在多个任务族上排练过的，以及若干在某个测试集上更好、另一个上更差的孩子。每个检查点要跑 180 个验证回合、四个测试集各自有碰撞率和成功率上限，只有四个全过才能晋级。这些关系——血缘、哪个评估跑在哪个产物上、哪个孩子相对父代退步、哪个决策导致了什么结果——用图来存最自然，于是他做了个 FalkorDB 图，让代理通过 MCP 查询，并在训练前先把「为什么选它」写进图里。