《智能体的记忆与遗忘》研究专著正式发布

来源：市场资讯

（来源：机器学习算法那些事）

当我们把一个复杂任务交给 AI 智能体，期待的是它能够理解目标、调用工具、处理反馈，并最终交付结果。

但随着任务推进，智能体需要面对的信息也在不断增加：最初的需求、执行计划、搜索结果、工具输出、报错日志、修改记录，以及一轮又一轮验证。每一项都曾经有用，却未必都需要完整地出现在下一次决策中。

哪些信息必须保留？

哪些过程已经可以压缩？

遗漏了关键证据，如何重新找回？

怎样判断任务已经完成？

这些问题，直接关系到智能体能否持续、可靠、经济地执行长任务。

围绕这一方向，TierFlow 研究团队完成了六项相互关联的研究，并将相关机制、方法与实验系统组织为专著——《智能体的记忆与遗忘：长时程任务中的状态、证据与高效执行》。

本书由王铭轩、罗飞、马彦彪、韩军功共同署名，分为三编六章，共 261 页，现已在 TierFlow 官网（tierflow.cn）研究页上线。

记忆的问题：什么该留，什么该忘

THE MEMORY PROBLEM

以代码修复为例，一段报错日志在定位问题时可能至关重要。当根因已经确认、修改已经落实、测试已经给出反馈，原始排查过程的保留价值就可能发生变化。与此同时，最初需求中一条不起眼的接口约束，仍可能决定最终交付是否正确。

因此，记忆管理需要结合任务状态来判断信息价值。仅按时间删除旧记录，或按照固定长度触发摘要，都可能错过真正的压缩机会，也可能提前丢掉仍然必要的信息。

本书的六项研究，沿着这一问题逐步展开。

02

PART

六项研究，一条主线

SIX STUDIES · ONE THREAD

研究

它回答的问题

交互感知压缩（ICLR）

历史推理何时可以被替代

PaMER / PaMER+

行动前状态能否预测压缩与召回需求

StateComp

压缩时机如何随任务进展调整

GEM

表征相近的内容为何证据作用不同

DRSR

多段历史共同删除的风险如何评估

OWG

执行状态如何围绕任务结果组织

首先：历史推理的可替代性与记忆需求表征

交互感知压缩（ICLR） 研究历史推理与后续行动之间的关系。当相关结论已经可靠地体现在代码、文件、工具输出或环境反馈中时，原始推理更有可能被替代。这项研究还考察了压缩如何改变后续执行路径：一次局部删除，可能影响后面的工具调用、重复探索和总计算量。

与之相衔接，行动前记忆控制研究考察模型准备采取下一步行动时的内部状态，分析其中能否预测压缩与召回需求，并据此提出 PaMER 与 PaMER+，将状态引导的压缩与历史证据检索结合起来。近期上下文承载当前工作状态，外部记忆则在需要时补充较早的证据。

接下来：“何时压缩”与“保留什么”的决策化

StateComp 根据当前智能体状态，判断哪些历史交互仍需完整保留，哪些已经具备被摘要替换的条件。它将压缩时机作为可学习的对象，使历史处理能够随任务进展调整。

GEM 则关注另一个容易被忽略的细节：两段内容即使在表征上十分相近，也可能承担不同的证据作用。两份测试输出的大部分文字可以相同，其中一行差异却可能决定下一步该修改哪个模块。基于这一观察，GEM 优先保护任务与执行证据，再利用几何信息补足历史覆盖。

进一步：联合删除风险与执行状态组织

DRSR 将候选删除集合放在一起评估。假设两段记录分别保存了同一条重要约束，单独删除其中任意一段可能影响很小，同时删除却可能让约束彻底消失。集合级风险建模正是为了处理这类信息依赖；当候选不满足风险条件时，系统可以放弃剪枝。

OWG 则以“结果—见证图”组织执行状态，将目标结果、支持证据、行动、产物与验证关系联系起来。它关注下一步决策实际需要什么：当前还缺什么证据，哪个产物需要修改，哪些结果已经验证，以及什么条件下可以结束任务。原始轨迹保存在外部，并在必要时恢复相关证据。

从推理的可替代性，到压缩与召回需求，再到压缩时机、证据保留、联合删除风险和执行状态组织，这六项研究共同构成了本书的技术主线。每项方法都有明确的操作对象、评估设置与适用条件。

03

PART

把方法放回完整任务

EVALUATION ON FULL TASKS

研究能力也需要通过具体实验来呈现。书中既分析机制，也将方法放回完整任务中，考察任务质量与资源消耗如何共同变化。

例如，在 StateComp 章节报告的 WorkBuddyBench 全部 260 项任务评估中，使用 DeepSeek-V4-Flash 作为执行模型，智能体与摘要的输入、输出合计 token 从约 6.98 亿降至 3.33 亿，减少 52.27%；平均任务奖励由 0.6987 变为 0.7026。在这一设置下，压缩大幅减少了上下文处理量，总体任务质量与未压缩执行保持接近。

在 DRSR 章节报告的 WorkBuddyBench Full260 评估中，平均任务奖励从 0.699 提升至 0.802，模型输入与输出合计 token 减少 20.82%。这一结果支持了从联合删除风险出发设计压缩策略的研究方向。完整基线、任务划分和统计口径均在对应章节及附录中给出。

评估设置

输入输出合计 token

平均任务奖励

StateComp · WorkBuddyBench 260 项

6.98 亿 → 3.33 亿（-52.27%）

0.6987 → 0.7026

DRSR · WorkBuddyBench Full260

减少 20.82%

0.699 → 0.802

这些数字之外，我们也关注结果为什么发生。行动前状态的探测、历史信息的受控替换、关键模块的消融，以及完整执行轨迹的分析，分别帮助我们检查信号来源、证据依赖和方法中真正起作用的环节。书中也讨论了分领域表现、恢复机制和方法边界，让读者能够理解结果成立的条件。

FINAL THOUGHTS

本书希望呈现的研究方式

围绕一个明确问题，提出可检验的假设，构建方法，并在完整任务中验证

这类研究与智能体产品面对的问题紧密相关。模型反复处理的内容规模会影响执行成本，关键约束和证据是否可用会影响任务可靠性，而对结果的验证则关系到最终交付质量。记忆管理连接着这些环节，也为改进智能体的长时程执行提供了具体切入点。

研究人员

获得可以继续追问的问题

工程开发者

获得可分析、可评估的方法

关注 TierFlow 的读者

更深入地了解清枢团队的技术思考与研究积累

欢迎前往 TierFlow 官网研究页tierflow.cn/research，阅读《智能体的记忆与遗忘》，了解六项研究的完整方法、实验与执行案例。也欢迎与我们交流智能体记忆、上下文管理和长任务执行中的实际问题。

《智能体的记忆与遗忘》

长时程任务中的状态、证据与高效执行

王铭轩 · 罗飞 · 马彦彪 · 韩军功 著