上一篇收尾说机制全齐了今天兑现把九件套装进同一个个人助理 Agent连续跑 90 天再用逐项消融量出每一层各值几个点。照例声明本机全部数字来自固定种子的确定性模拟不依赖时钟与外部服务用来演示记账方法生产要换成真实模型、真实向量库与真实崩溃统计跑同一套流程。这个 Agent 的躯体九件套装在哪案例主体是一位独居的慢病设计师她要的助理记的不是百科知识而是一批当前值必须准的生活断言用药剂量、复诊安排、饮食禁忌、缴租日、截稿日、航班、健身卡、宠物疫苗八类外加帮我订交通方式这类联想式偏好讨厌打车、能坐窗边。90 天里这些断言的真值要变更 22 次模型会忘、会笔误、会被旧值淹。躯体分三层。写入路第 489 篇的分层冻结保证约束与数字以原文槽位进场第 490 篇的闸门按查询负载分流——带唯一当前值的断言式进结构化台账、联想式进向量库、低置信进隔离区第 496 篇的写入侧审计盯进水的纯度。读取路第 488 篇的预算表给系统槽位、台账投影、工具热池、保留历史各锁配额第 491 篇的阈值触发决定这一轮查不查向量库第 493 篇的工具调度让常驻工具压到六个、冷门按需注入。执行骨架与治理第 494 篇的状态机管订票挂号这类多步任务第 495 篇的检查点对付进程之死第 496 篇的三块面板加合并退役、每三十天一次对账审计罩住全库第 492 篇的隔离把个人、宠物、家务切成三个工作区防串台。今天的两个实验先让两套架构跑满 90 天看整体值多少再逐层拆件看每格贡献多少。实验一90 天双轨架构到底值多少两条线共享同一条观测流与查询流每天用户碰巧说中一类断言的概率 35%写入 10% 笔误值每天两道事实题加一道联想题唯一变量是架构。朴素线是不少团队我们上了记忆库的真实形态全部进一个向量库、检索取相似度最高的一条注入、每轮全量装配。全装线是上文的躯体断言走台账、最近写入为准、阈值触发加每三十天对账。importrandom DAYS,NT90,8NAMES[用药剂量,复诊安排,饮食禁忌,缴租日,截稿日,航班,健身卡,宠物疫苗]rngrandom.Random(497)CHANGES{t:sorted(rng.sample(range(6,DAYS1),rng.randint(2,4)))fortinrange(NT)}NCHsum(len(v)forvinCHANGES.values())deftruth(t,d):return1sum(1forcinCHANGES[t]ifcd)obs[[]for_inrange(DAYS1)]fordinrange(1,DAYS1):ifrng.random()0.35:trng.randrange(NT)vtruth(t,d)ifrng.random()0.10:v10# 笔误或幻觉: 写下那一刻无法自知obs[d].append((t,v,rng.uniform(0.55,0.95)))facts[[rng.randrange(NT)for_inrange(2)]for_inrange(DAYS)]confuse[[rng.random()0.15for_inrange(2)]for_inrange(DAYS)]bands[rng.random()for_inrange(DAYS)]naive,ledger[],{}print(90 天双轨: 同一观测流、同一查询流, 唯一变量是架构。)print(8 类生活断言真值共变更 %d 次; 每天 2 道事实题 1 道联想题, 共 270 道。%NCH)print(朴素线: 单路向量库, 相似度最高一条注入, 每轮全量注入。)print(全装线: 结构化台账时间优先 阈值触发注入 每 30 天对账审计。)print()print(窗口 朴素线成功率 全装线成功率 事实题空白率 朴素库条数 台账行数)forloin(0,30,60):ok_nok_fblanktotnf0fordinrange(lo1,lo31):for(t,v,s)inobs[d]:naive.append((t,d,v,s))ledger[t]v# 断言式: 最近一次写入即当前值ifd%300:forkinlist(ledger):ifledger[k]!truth(k,d):ledger[k]truth(k,d)# 审计: 带外真值逐条核对恢复fori,tinenumerate(facts[d-1]):cand[eforeinnaiveife[0]tande[1]d]a_nmax(cand,keylambdae:e[3])[2]ifcandelseNoneifa_nisnotNoneandconfuse[d-1][i]:a_n10# 向量对数字不敏感: 错认当前值a_fledger.get(t)ok_n(a_ntruth(t,d))ok_f(a_ftruth(t,d))blank(a_fisNone)nf1bbands[d-1]ok_n(b0.83)# 联想题: 全量注入稀释, 上限被压低ok_f(b0.93)tot2print(第%3d-%3d天 %9.3f %11.3f %10.3f %11d %9d%(lo1,lo30,ok_n/(tot30),ok_f/(tot30),blank/nf,len(naive),len(ledger)))print()print(空白率是全装线的起步税: 台账只认用户明说过的断言, 没写过就答不出,)print( 答不出就不编; 朴素线的答, 常是早已过期的高分条目或被错认的数字。)print(朴素线的曲线会骗人: 覆盖率的旧债抵掉期条目的新债, 90 天几乎走平)print( (0.378, 0.533, 0.511), 中途还反弹; 与全装线的差距却从 5.5 个)print( 百分点拉大到 24.5 个——前 30 天考覆盖, 后 30 天考治理。)运行输出90 天双轨: 同一观测流、同一查询流, 唯一变量是架构。 8 类生活断言真值共变更 22 次; 每天 2 道事实题 1 道联想题, 共 270 道。 朴素线: 单路向量库, 相似度最高一条注入, 每轮全量注入。 全装线: 结构化台账时间优先 阈值触发注入 每 30 天对账审计。 窗口 朴素线成功率 全装线成功率 事实题空白率 朴素库条数 台账行数 第 1- 30天 0.378 0.433 0.633 12 4 第 31- 60天 0.533 0.700 0.317 19 7 第 61- 90天 0.511 0.756 0.133 28 7 空白率是全装线的起步税: 台账只认用户明说过的断言, 没写过就答不出, 答不出就不编; 朴素线的答, 常是早已过期的高分条目或被错认的数字。 朴素线的曲线会骗人: 覆盖率的旧债抵掉期条目的新债, 90 天几乎走平 (0.378, 0.533, 0.511), 中途还反弹; 与全装线的差距却从 5.5 个 百分点拉大到 24.5 个——前 30 天考覆盖, 后 30 天考治理。表教的第一件事早晚考的不是同一门课。全装线头三十天只有 0.433因为 0.633 的空白率——台账只认用户明说过的断言没写过就答不出。这不是缺陷是立场用药剂量这种题宁可答你还没告诉过我不可从向量库里捞一条相似度 0.95 的旧条目硬编。随着对话自然铺开空白率一路降到 0.133全装线爬到位。第二件事朴素线的曲线会骗人。0.378、0.533、0.511先平、反弹、再滞单看会以为用得越久越准。真相是覆盖率上升的旧债与过期条目增厚的新债互相抵消两类误差在全局均值上对冲——这正是第 496 篇全局面板单次只能抓 19%的完整现场。同窗口对比全装线差距从 5.5 个点一路拉大到 24.5 个点架构的价值随时间增长三十天的库评不出九十天的账。还有一条不显眼却最省心的对照朴素库 28 条还在涨、没有上界台账恒在八行常数量级——预算、检索延迟、干扰面全跟着这个数走这是第 488 篇可预测优先于容量的实物证明。全装线残余的损失主要两类写入后、审计前的污染敞口模拟里 10% 的笔误值先进台账等对账才捞回——审计周期就是敞口时长按业务风险定以及台账空白的事实题生产里该转成一次追问。追问也是记忆系统的一部分承认不知道是一个写入动作用户的纠正会顺带入库下一题就对了。实验二逐项消融每层各值几个点实验一只回答了整体更值没回答值在哪——把整套架构原样交给预算会被砍是必然的。第 496 篇给过药方冻结回放流、逐项消融。下面把 270 道任务连同真值冻结每次只拆一层重跑各层拆掉后的失败面按第 488~496 篇实验的机理参数化模拟再强调一次生产数值要拿真实管线在真实回放流上跑。importrandom DAYS,NT90,8rngrandom.Random(4972)CHANGES{t:sorted(rng.sample(range(6,DAYS1),rng.randint(2,4)))fortinrange(NT)}deftruth(t,d):return1sum(1forcinCHANGES[t]ifcd)crash{dfordinrange(1,DAYS1)ifrng.random()0.02}ledger,ledger_ng{},{}T[]fordinrange(1,DAYS1):ifrng.random()0.35:trng.randrange(NT)vtruth(t,d)(10ifrng.random()0.10else0)ledger[t]v ledger_ng[t]vifd%300:forkinlist(ledger):ifledger[k]!truth(k,d):ledger[k]truth(k,d)# 带治理线才有审计, 对照组没有for_inrange(2):trng.randrange(NT)okledger.get(t)truth(t,d)savedokandledger_ng.get(t)!truth(t,d)T.append((fact,d,ok,saved,rng.random()0.15,rng.random()0.30,rng.random()0.25,-1.0))brng.random()T.append((assoc,d,b0.93,False,False,rng.random()0.30,rng.random()0.25,b))defreplay(name,fail):rgrandom.Random(49720)good0for(kind,d,ok,saved,conf,tool,step,b)inT:goodokandnotfail(kind,d,saved,conf,tool,step,b,rg.random())returnname,good/len(T)CFGS[(全装(十件齐全),lambda*a:False),(拆L1 分层预算,lambdak,d,s,c,tl,st,b,u:kfactandd45andu0.06),(拆L2 压缩冻结,lambdak,d,s,c,tl,st,b,u:standu0.05),(拆L3 双路写入,lambdak,d,s,c,tl,st,b,u:c),(拆L4 阈值检索,lambdak,d,s,c,tl,st,b,u:kassocandb0.83),(拆L5 上下文隔离,lambdak,d,s,c,tl,st,b,u:u0.04),(拆L6 工具裁剪,lambdak,d,s,c,tl,st,b,u:tlandu0.07),(拆L7 计划状态机,lambdak,d,s,c,tl,st,b,u:standu0.06),(拆L8 检查点恢复,lambdak,d,s,c,tl,st,b,u:dincrash),(拆L9 观测治理,lambdak,d,s,c,tl,st,b,u:s),(同拆L2L5,lambdak,d,s,c,tl,st,b,u:(standu0.05)oru0.04),]res[replay(n,f)forn,finCFGS]baseres[0][1]print(消融复现: 冻结全装线 %d 道任务的回放流, 每次只拆一层, 同一条随机流重跑。%len(T))print(各层拆除后的失败面按第 488~496 篇实验的机理参数化; 生产数值须换真实回放流。)print(本窗口崩溃日: %s(共 %d 天)。%(sorted(crash),len(crash)))print()print(消融配置 成功率 相对全装)print(%-16s %8.3f —%res[0])forname,vinsorted(res[1:],keylambdar:r[1]):print(%-16s %8.3f %7.3f%(name,v,v-base))print()print(跌幅榜前二(L9 治理、L3 双路)都押在记忆读写管线上——个人助理对话长、)print( 任务链短, 欠账天然集中在记忆账上。L8 紧随其后, 但它绑着每天)print( 2% 的模拟崩溃率: 崩溃率减半, 它的占比就减半, 数随工况走。)print(拆一层平均亏 2.8 个点, 九层加总约等于实验一里两条线的终局差距——)print( 端到端没有奇效, 只有这一格格可以指认的增量。)运行输出消融复现: 冻结全装线 270 道任务的回放流, 每次只拆一层, 同一条随机流重跑。 各层拆除后的失败面按第 488~496 篇实验的机理参数化; 生产数值须换真实回放流。 本窗口崩溃日: [2, 18, 23, 52, 58, 86](共 6 天)。 消融配置 成功率 相对全装 全装(十件齐全) 0.626 — 拆L9 观测治理 0.556 -0.070 拆L3 双路写入 0.578 -0.048 拆L8 检查点恢复 0.585 -0.041 拆L5 上下文隔离 0.600 -0.026 同拆L2L5 0.600 -0.026 拆L4 阈值检索 0.604 -0.022 拆L1 分层预算 0.611 -0.015 拆L6 工具裁剪 0.611 -0.015 拆L2 压缩冻结 0.619 -0.007 拆L7 计划状态机 0.619 -0.007 跌幅榜前二(L9 治理、L3 双路)都押在记忆读写管线上——个人助理对话长、 任务链短, 欠账天然集中在记忆账上。L8 紧随其后, 但它绑着每天 2% 的模拟崩溃率: 崩溃率减半, 它的占比就减半, 数随工况走。 拆一层平均亏 2.8 个点, 九层加总约等于实验一里两条线的终局差距—— 端到端没有奇效, 只有这一格格可以指认的增量。跌幅列三种读法。一本场景的债集中在记忆管线跌幅前二都押在存取管线上因为个人助理对话长、任务链轻同样九层装进代码生成 AgentL7 状态机与 L6 工具裁剪立刻上位——消融排序就是工况画像别抄别人的架构优先级。二数在不同工况间不通胀才怪L8 的 -0.041 绑着每天 2% 的模拟崩溃率崩溃率减半它占比减半层与层只能在同一条回放流里比顺序跨流比绝对值是伪科学。三逐层跌幅不能加减同拆 L2L5 只和单拆 L5 跌得一样多——这两层的失败面在本回放流上恰好重叠并集小于和。九层加总的 25.1 个点碰巧约等于实验一的终局差距 24.5 个点那是模拟小世界的巧合不是工程恒等式真实系统里层间互为因果这正是逐项消融替代不了拍脑袋的原因。十篇收束从窗口到治理的全线系列到此收官把十篇的主张各压成一句供后来者对账。第一篇模型不是记得是你每轮都在重发窗口是硬预算可预测先于容量。第二篇压缩是有方向的信息销毁粒度、条件句、数字最先死分层冻结止血。第三篇存储形态跟着查询负载走断言进结构化、联想进向量库写入闸门是唯一讲卫生的机会。第四篇漏检与乱注入的代价不对称阈值触发买帕累托注入位置与形态定一半分数。第五篇上下文隔离不是信任问题是写入边界定稿上黑板、过程留私域、定向走总线。第六篇工具定义是有生命周期的资源全量注入是双重税收窗口的也收智商的。第七篇计划树是第二份账本窗口只放结论与指针缺陷发现位置决定返工账单。第八篇长任务里崩溃是默认事件checkpoint 按频率、载荷、一致性三本账设计恢复必须对账。第九篇退化不报错质量是聚合性质切片即检出力报警要两拍才立案。第十篇本篇端到端没有奇效整体的涨等于每层可指认的增量架构的价值随时间增长。贯穿的三条线收拢成一段话其一记忆不是模型的能力是组装与记账的工程问题——模型永远只有窗口存什么、何时取、留多少全是你维护的账。其二每个机制只买一类增量买什么由工况决定——消融表就是业务形态在系统上的投影十篇里没有一层是白装的但也没有一层值得不分工况地先装。其三一切数字要落在冻结回放流上才可比——单日涨跌证明不了任何事无论退化还是修复。窗口依然有限模型依然不记事十篇教会的只有一件事让 Agent 在有限窗口里显得可靠地记得。这个能力不来自某个框架或某个库来自一套能被逐层指认的架构。常见陷阱一是拿朴素线跑三十天小库就宣布记忆不过如此短期曲线掩盖了全部退化等用户投诉时库已不可收拾。二是禁止助理说不知道每次追问都被相似条目代答等于亲手把污染转正。三是按跌幅榜跳层实施消融排序不是实施顺序L1 预算是 L4、L5、L6 能跑的结构性前提拆了后面全悬空。四是把本篇模拟数字写进验收承诺各层失败面是按机理设的参数数随种子与工况走能带走的只有方法。五是机制上线了观测面板排期在下个月九层装完到面板就绪之间的裸奔期照单全收治理对象再也找不回——面板与机制同日同发。落地清单第一步预算表第 488 篇加双路写闸门第 490 篇先让存的干净、可预测台账行数与库体积进日报第二步分层冻结第 489 篇加阈值触发注入第 491 篇再让用的省且准空白题一律转追问第三步三块面板加治理线第 496 篇同步上线对账周期按业务风险定审计间隔即污染敞口第四步按需加装工具超十个上工具池第 493 篇工作区超一个上隔离第 492 篇任务链超三步或超一个进程寿命上状态机与检查点第 494、495 篇每层进出自同一个门冻结回放流、逐项消融、看跌幅再谈合并——涨没涨要知道是谁涨的跌了要知道是谁跌的参考来源Xu et al., A-Mem: Agentic Memory for LLM Agentshttps://arxiv.org/abs/2502.12110Chhikara et al., Mem0: Building Production-Ready AI Agents with Scalable Long-Term Memoryhttps://arxiv.org/abs/2504.19413GitHub, mem0ai/mem0开源 Agent 记忆层https://github.com/mem0ai/mem0GitHub, langchain-ai/langmem长期记忆管理库https://github.com/langchain-ai/langmemWang et al., Voyager: An Open-Ended Embodied Agent with Large Language Modelshttps://arxiv.org/abs/2305.16291