Meta 给 AI Agent 装了「记忆教练」：第二个 AI 决定什么时候该提醒、什么时候闭嘴

Meta 给 AI Agent 装了「记忆教练」：第二个 AI 决定什么时候该提醒、什么时候闭嘴

AI Agent 做长任务时最大的毛病不是「不会做」，是「忘了做到哪了」。Meta AI 发表的新论文提出一个简单的方案：给 Agent 配一个专属记忆教练——另一个 AI，只在最关键的时机插入最关键的提醒。结果：Terminal-Bench 2.0 从 37.6% 提升到 45.9%，τ²-Bench 提升 6.8 个百分点。

问题比想象中更普遍

Meta AI 的论文给出了几个典型的长任务失败模式：

1. 约束遗忘：Agent 前几步识别了一个重要约束（「这个文件只能读不能写」），但后来修复一个无关 bug 时违反了它
2. 重复失败：一个命令失败了，Agent 试了几乎完全一样的另一个命令
3. 诊断遗忘：Agent 花了几步诊断出一个错误的根因，后来把同样的根因当成新的发现重新诊断了一遍

这些不是你调一下 prompt 就能修好的问题。根本原因是：长任务的上下文窗口在膨胀，真正关键的决策信息被淹没在海量的中间步骤里。Meta 把这叫做行为状态衰减（behavioral state decay）。

解法：双 Agent 架构

主 Agent（Action Agent）n  ├── 接收用户指令n  ├── 调用工具、执行任务n  └── 每 N 步接收「记忆 Agent」的提醒nn记忆 Agent（Memory Agent）  n  ├── 定期扫描最近几步的轨迹n  ├── 更新结构化记忆库n  └── 决定：插一句提醒，还是保持沉默

关键设计：记忆 Agent 不是每步都说话。它有一个选择性介入（selective intervention）机制——只在判断需要的时候插入提醒。消融实验证明这比「时刻在线」和「完全不提醒」都好。

数据说话

更有趣的是：强模型也能受益。用 Claude Opus 4.6 当主 Agent 时，记忆 Agent 仍然带来 +2.4 pp 的提升。不是只有弱模型需要记忆辅助——所有做长时任务的 Agent 都可能需要。

开源化路径

Meta 团队进一步尝试了把记忆 Agent 的能力蒸馏到开源模型：

• 使用 Claude Opus 4.6 作为记忆 Agent 生成训练数据
• 用 SFT + GRPO（强化学习）训练 Qwen 3.5-27 B 做记忆 Agent
• 初步结果：部分转移到 Terminal-Bench，验证奖励有提升

方向明确：未来开源模型也能扮演「记忆教练」的角色。

为什么现在关注这个

有三个趋势交叉：

1. Agent 任务在变长——从「帮我改这个函数」到「帮我维护这个项目一周」
2. 上下文窗口在变长，但注意力效率并没有——前面的内容确实还在窗口里，但模型已经「忘记」它了
3. 多 Agent 协作架构正在成为主流——与其让一个 Agent 又干活又记账，不如分工

Meta 的这篇论文不只是提了一个方案，而是把「记忆管理」正式定义为一个独立的研究问题。行为状态衰减（behavioral state decay）这个概念可能会成为 Agent 评估的标准维度。

局限

• 实验只在 Claude Opus 4.6 作为记忆 Agent 上跑，Opus 5 的表现未知
• Terminal-Bench 和 τ²-Bench 是固定任务集，真实长时任务的退化模式可能更多样
• 记忆 Agent 本身也要消耗 token 和推理时间，论文没有详细分析性价比曲线

相关阅读

• OpenAI Astra 数学突破
• 本地 AI 主权
• AI 卫星 + XM 训练范式

FAQ

这和 RAG 有什么区别？

RAG 是外部知识检索（「我需要知道什么事实」），记忆 Agent 是内部状态管理（「我已经做了什么、发现了什么、要注意什么」）。两者互补，不互相替代。

为什么不直接给主 Agent 更大的上下文窗口？

论文的核心发现是：信息在上下文窗口里 ≠ 模型会正确使用它。更大的窗口只是把问题放大，不是解决它。选择性提醒比被动暴露更有效。

相关阅读

• OpenAI Astra 数学突破：Lean 4 零 sorry
• 本地 AI 主权正在成形
• AI 卫星控制 + XM 训练范式