agent memory是预测未来需求的说法怎么理解

来自夹夹 QQ 群讨论,审核后公开 · 。查看原始讨论

这句话可作为设计原则,但需补三个限定:预测要朝少而准优化、场景差异体现在目标与预算而非固定条目规则、反馈回路前必须先保证记忆可追溯到原始记录。

要点

  1. 正面:把记忆当预测,写一条记忆就是赌它未来会被再次需要且重取成本更高,据此能判断哪些信息不值得记,也解释了环境一变记忆从资产变负债。
  2. 正面:ca 记忆是任务内、任务结束即清,pa 记忆跨会话长期稳定,两者存储期应对齐任务边界,混在一个池子会互相拖累。
  3. 反面:误差代价不对称,多写一条每轮都付 token、错笔记会带进后续会话,最优是宁可漏不要滥,目标不是覆盖未来。
  4. 反面:把场景差异落成每场景一套固定条目规则最危险,强模型被预先写死规则反而掉分,规则应在目标与预算层面而非条目清单。
  5. 反面:反馈回路有成本也有窗口期,错误记忆在核验完成前就已生效;校验预算应优先给高频注入项。
  6. 反面:回路能纠正记错,纠正不了记的东西本身无价值,前置硬约束是每条记忆都能在原始记录中找到依据。

来源