Agent 記憶

與其把「請遵守法規」寫在 prompt 裡然後希望 AI 記得，SARC 把規範編譯成四個硬性卡關站嵌進代理人的執行迴圈，不依賴 AI 的「記憶力」。

微軟把人腦六大記憶機制（睡眠整合、干擾遺忘、記憶成熟、提取再鞏固、知識圖、混合提取）搬進 LLM Agent，在真實 codebase 資料上讓記憶庫壓縮 58%、保住 97.2% 資訊精確率。

agentic AI 會自己呼叫工具、存取記憶體、多步驟執行——這些能力讓它比純 LLM 更危險。這篇是把這些新型風險系統整理成「風險地圖」的 survey。

做了個 benchmark，發現 GPT-4.1 和 Qwen3-32B 在「看懂自己失敗原因」這件事上通過率不到三成，而且就算讓 agent 讀了失敗案例去學習，隨著雜訊案例累積，它還是會把早期教訓給忘掉。

現有 agent 記憶系統根本沒為多人對話設計：最強系統在群組設定下只有 46% 準確率、知識更新只有 27.1%，而 1990 年代的 BM25 關鍵字搜尋就能打贏大多數新型語意記憶系統。

定義了一套讓 agent 記憶可以從 Claude 搬到 GPT-4 再搬到 Gemini 的開放協議，帶加密驗證，防止記憶被篡改或惡意注入。

提出 memorywire，一個讓 mem0、Letta、Cognee、pgvector 等記憶框架「插頭共用」的 JSON 電線格式，定義 5 個記憶操作與 4 種記憶類型，附帶 5 個後端 adapter 的開源實作。

把 Agent 的整個記憶系統（包含「如何存」和「如何取」的邏輯與程式碼）當成一支可自我迭代的程式，讓 Agent 從失敗中學習並更新記憶架構本身，而不只是更新記憶內容。

首篇從「電腦系統」而非「LLM 能力」角度分析 agent 記憶：10 種記憶系統用 4 個 axes 分類，揭示不同設計在延遲、頻寬、可擴展性上的實際取捨，給工程師系統化框架來選記憶方案。

一套分層多 Agent 系統在真實雲端環境自動偵測、診斷並修復網路故障，生產部署後達 90%+ 自主解決率，不需人工介入。

把 Agent 的「執行記憶」整理成階層式筆記資料夾，讓 Agent 用 Bash 工具自己去翻找需要的資訊，而不是把所有歷史全塞進 prompt。

讓配備 120+ 工具與三層持久記憶的 LLM Agent 群體在共享沙盒裡連續跑幾週，觀察短期 benchmark 完全看不到的「行為漂移」與跨模型交叉影響現象。

Agent workflow 不必每次重新生成（貴），也不必只有一個萬用版本（差）——預計算一個多樣化 workflow 倉庫，推論時用圖神經網路路由，比最強自動化方法高 4.26%、比最強手工設計高 14.92%。

大家都在說要給 Agent 加記憶，但這篇系統實驗後的答案是：除非新問題跟記憶中的案例幾乎一模一樣（相似度 > 0.8），加任何記憶基底都沒有統計顯著幫助——但 git 提供了一條以稽核性、可重播性為價值的工程路徑。

把多個 AI agent 放在同一個平台互相借用解題思路和失敗記錄——就像科學家交流論文草稿一樣——成功讓集體 agents 在數學難題上找到 12 個人類和 AI 都沒解出過的新最佳解。

讓 agent 把完整的執行軌跡（怎麼一步步完成任務）存進共享庫，讓其他 agent 之後能撈出來參考，而不是每次遇到類似任務都重新摸索。

一本寫給工程師和 PM 的 Agentic AI 全棧指南，從 Transformer 架構到 MCP/A2A 協議、multi-agent 架構，每章附代碼範例，可當手邊參考書長期使用。

Agent 跑長任務時 trace 越積越長最終爆 context，SelfCompact 讓 LLM 自己判斷何時壓縮記憶，比固定間隔方案更準確，且節省 30-70% token 成本。

把 Linux「process」的設計哲學搬進 Agent：每個 agent 有自己的 ID、能力表、記憶體與稽核記錄，工具只是 wrapper，真正的控制邊界在 runtime 核心。

問題不是 RL 演算法不夠好，而是缺乏讓 agent 在生產中「邊跑邊進化」的系統基礎設施；這篇提出三大工程支柱讓企業規模的 agent 能持續自我更新。

讓 Agent 把反覆做過的「多步驟工具流程」萃取成可重用的 SOP（標準作業程序），下次遇到類似任務直接呼叫，避免重新發明輪子，任務成功率提升 2.5%～13.4%。

長任務 Agent 不應把所有對話歷史塞進 context，而應用「有界合約」：每個決策的輸入由五個有型別的記憶層結構化提取而來，prompt 大小始終有限。用《Slay the Spire 2》幾百回合的連續決策當 testbed，並公開 298 條軌跡供比較研究。

Amazon 把 agent 每次都要「重新生成」的固定操作程式碼，預先離線編譯成版本化工具——生產環境 p50 延遲降 42%、錯誤率降 53%。

另開一個「記憶 agent」並行跑在行動 agent 旁邊，在關鍵時刻主動把重要資訊推送給它——Terminal-Bench 2.0 提升 +8.3pp，τ²-Bench 提升 +6.8pp。

教搜尋型 agent「在不確定時說我不知道」：動態調整 RL 訓練中的棄答獎勵，讓 agent 主動拒答而非亂猜，精準度最高提升 10.3%。

把 agent 的記憶體操作（要不要取、何時忘）變成一個小型強化學習問題，讓 agent 邊跑邊自學最佳策略，不用改底層記憶體實作。

用統一公式整理「agent 怎麼從自己的執行經驗中學習和進化」，把所有方法按「更新什麼」和「用什麼訊號更新」兩個維度分類。

持久記憶讓 agent 記得過去，但也讓攻擊者能「先植入一段話，等之後特定情境出現時 agent 自動執行惡意行為」——這篇建立 1,227 個案例的 benchmark，量化這個威脅有多嚴重。

搜尋型 agent 老是卡迴圈？SearchOS 把搜尋進度變成「顯性的共享狀態」，加上失敗記憶機制，讓 multi-agent 協同搜尋比 baseline 快 24%、F1 提升 4.3 分。

整合 27 篇 Agent 評測論文，歸納出六大失敗類別，讓你知道你的 Agent 最可能在哪裡翻車。

讓 Agent 的長期記憶可以串聯多個人物資訊來回答問題，不再只是「問誰就找誰的資料」，而是能自動沿著人際關係跳躍推理。

把幾個「安全的」模型串在一起，整條 pipeline 不會自動變安全。2,100 條攻擊測試後發現，現有多 Agent 系統的防護幾乎都靠雲端供應商的伺服器端過濾器在撐，換個 backend 就破防。