学术嘉豪：电梯碰到导师，汇报大模型记忆

2026 年 Agent Memory 的重点，已经不是让 Agent 记住更多了，是学会管理经验。
过去的记忆系统比较像向量数据库：保存对话、任务轨迹，遇到新问题，就按照语义相似度检索，然后塞回上下文里去。这个当然能用，但是问题也来了——内容相似，真的等于有用吗？很多时候，并不。
所以今年越来越多工作，开始把写入、检索、更新、压缩、复用和删除，全都变成 Agent 策略的一部分。Memory 不只是一个外接工具了，越来越像是，一个 Agent 自己的运行时学习层。
这也就是为什么，今年突然开始强调“遗忘”。
Agent 运行久了以后，积累的不只有知识。旧结论没失效、失败策略还在，多个版本互相打架；甚至被污染的信息，也会继续参与下一次决策。记得是很多，可是越用越乱。。
所以遗忘，不是能力退化。更像一种权限回收：让那些低价值、不可靠，或者已经过时的经验，不再有资格影响未来。
另外一个变化，也挺明显。Agent 开始从“记住发生过什么”，转向“记住事情应该怎么做”。以后更重要的记忆，可能不是用户说过哪句话；而是工作流、环境规律、失败模式、工具使用经验，还有一些可以重复用的策略。像一份自己会改的操作手册。
所以 Agent Memory 最后的目标，不是建一个特别大的记忆库。它要做的，是在不修改模型参数的时候，把真实经历慢慢变成能力；同时又别让错误经验，一直污染后面的行为。
真正优秀的 Agent，不是它记忆库有多大，而是它知道，什么能信、什么时候该改，以及哪些经验，必须忘。