核心概念
从线到树
传统 AI 对话是一条线——你说一句，AI 回一句，上下文不断膨胀，直到窗口溢出。但人类思维不是线性的：你在规划创业时，同时在想市场、产品、融资、团队，每个方向都需要深入，又需要彼此关联。
Stello 把这条线炸开成一棵树。每当 AI 识别到话题分叉，就创建一个新的 Session（独立对话单元），在新分支中深入探索。所有 Session 通过拓扑树组织，描述它们的父子和兄弟关系。
技能隐喻
Stello 用一个直观的比喻来理解这棵树：每个子 Session 是一个 SKILL，Main Session 是技能调用方。
就像一个团队 leader 不需要知道每个成员的工作细节，只需要知道"你能做什么"和"做得怎么样"。Main Session 不读子 Session 的原始对话，只读它们的摘要描述。子 Session 之间也互不感知——唯一的跨分支信息来源是 Main Session 推送的定向建议。
三层记忆
这个比喻自然引出了 Stello 的三层记忆模型：
- L3（SKILL 正文） — 每个 Session 内部的完整对话记录，只有该 Session 自身的 LLM 消费
- L2（SKILL description） — 对 L3 的提炼摘要，是 Session 的"外部接口"，供 Main Session 读取
- L1（SKILL calller） — Main Session 综合所有 L2 生成的全局视角，加上应用层的键值存储
记忆在层级间流动：向上汇报（L3→L2→Main Session），向下推送（Main Session insights→子 Session）。
Consolidation 与 Integration
记忆不会自动流动，需要两个异步过程驱动：
- Consolidation — 将某个 Session 的 L3 提炼为 L2（"这个技能学到了什么"）
- Integration — 收集所有子 Session 的 L2，生成全局 synthesis（"全局视野"）和 per-session insights（"给各分支的建议"）
两者都是 fire-and-forget——不阻塞对话，由编排层在合适的时机调度（如每 N 轮、切换 Session 时）。
编排策略
Session 树可以按不同策略组织：
- 平铺策略 — 所有子 Session 平级挂在 Main Session 下，适合多主题并行探索 (当前采用)
- 层级策略 — Session 可以有子 Session，形成多层树，适合 OKR 式的目标分解
编排层负责调度这一切：驱动 tool call 循环、判断何时 consolidation/integration、管理 Session 生命周期。
深入了解
| 主题 | 说明 |
|---|---|
| 三层记忆模型 | L3/L2/L1 的详细语义、上下文组装规则、零对话开销的设计 |
| Session 与拓扑 | Session 的独立性、与拓扑树的解耦、MainSession 的特殊角色 |
| Consolidation 与 Integration | 提炼函数的设计、调度时机、ConsolidateFn 与 IntegrateFn 的配对关系 |
| 编排策略 | 平铺 vs 层级的取舍、调度策略配置、Engine 的职责边界 |