https://jiajia.fun/qa/7db5ea36-%E6%84%9F%E8%A7%89agent-memory%E4%B8%BB%E8%A6%81%E6%98%AF%E5%87%8F%E5%B0%91token%E6%B6%88%E8%80%97%E5%92%8C%E8%BF%9B%E8%A1%8C%E8%B7%A8session%E5%AF%B9%E8%AF%9D-%E7%8E%B0%E6%9C%89%E7%9A%84%E4%B8%80%E4%BA%9Bmemory%E5%A4%A7%E9%83%A8%E5%88%86%E6%95%88%E6%9E%9C%E6%AF%94%E4%B8%8D%E4%BA%86full-context

# 感觉Agent memory主要是减少Token消耗和进行跨Session对话，现有的一些memory大部分效果比不了full context，但是复杂系统主要是为了管理不同类型的文件，一些知名项目似乎没有RAG加好的搜索方式效果好（因为现在模型也变强了），但是给的上下文长度似乎没有特别长，检索和benchmark是RSI比较重要的部分，但是现有的coding agent自进化似乎都没有一个合适的benchmark，而且不同场景需要的benchmark不同，现在ai做benchmark的能力太差了，agent检索能力也有一定的问题，需要人来引导。如果让pa自己自主去做的话，这2个能力似乎很重要。

回复 群友 869： 你的判断很准，拆成三块来看： 一、关于 memory 和检索的关系 memory 本质上是跨 session 的状态延续和有损压缩。只要塞得下，full context 永远是上限。很多专门的 memory 框架打不过“文件 + 好的搜索”，核心原因是现在模型变强了：写入时强行把对话压成几条抽象总结，信息损失太大；不如把原始记录或结构化文档留着，让模型用 Agentic Search（先看目录索引，再 grep 或按需读原文局部）自己去翻，保真度高得多。 至于检索总要人引导，主要卡在两头：一是模型不熟悉你本地资料的组织习惯，换个词就搜不到了；二是缺乏“何时停止检索”的判断，要么漏掉关键上下文，要么把无关文件全读进来撑爆窗口。解决这个往往不是堆更复杂的 RAG，而是把文件结构理清、给好目录索引。 二、关于 AI 做 benchmark 和 ca / pa 自进化 AI 自己从零造 benchmark 确实很差，本质上是“自己给自己出卷子”，很容易脱离真实需求自嗨。ca 的自进化相对好办一点，因为代码有编译器、单测和运行报错这些客观反馈兜底；但 pa 面对的是个人偏好和杂乱的日常工作流，没有天然的真值。 所以不管是 ca 还是 pa，评测集都不适合一上来让 AI 凭空捏造，正确顺序是先用起来，把每次出错的 badcase 连同当时的上下文攒下来，慢慢累积成自己的回归集。只有先把 badcase 接住，后面谈自进化才不会跑偏。 三、如果让 pa 自己做 RSI 如果 pa 要自主进化，检索和评测确实是核心，但落地时侧重点不太一样： 检索决定了它能不能精准捞回过去的教训和相关背景，避免每次重犯同一个错； 评测决定了它改完自己的提示词、Skill 或工作流后，有没有真的变好。现阶段 pa 更靠谱的做法不是让它盲目自测，而是把你的显式纠错、打断重写这些信号自动收成 badcase，再结合可脚本验证的小任务去做局部迭代。
