Agent 记忆 2026：分类体系之年

多年来，「agent 记忆」指的是一个向量库加一个检索器，或者一个为长对话记录做摘要的摘要器。到 2025 年底、进入 2026 年，这个领域长出了一套词汇。一篇综述给各部分命了名，一个 benchmark 说了该测什么，一批系统开始把记忆管理当作一种可学习策略，而不是存储细节。这就是我对那一年的地图。

领域地图：形态、功能、动态

Memory in the Age of AI Agents: A Survey（Hu、Liu 等，December 2025）完成了分类体系的工作，它的结构对构建者正合适：

forms      token-level | parametric | latent
functions  factual     | experiential | working
dynamics   formation   | evolution | retrieval

token 级记忆活在上下文里：历史、检索到的文档。参数记忆活在权重里：模型真的变了。潜在记忆活在隐藏表示里。功能划分记忆存什么：事实、情节，以及任务局部的暂存区。动态则描述记忆随时间如何形成、演化、被检索。

这篇综述还划出了边界线：agent 记忆不是 RAG，不是上下文工程，也不是预训练语料。这条边界与我此前从模型侧写过的权重 vs 上下文问题是同一个，而它持续出现在每一场记忆设计会上。

精读：MemoryAgentBench

MemoryAgentBench（Hu、Wang、McAuley；ICLR 2026）是对分类体系的 eval 式回答。它界定了 memory agent 需要的四项能力：

准确的检索：正确的信息被取回。
测试时学习：对话中的新信息改变行为。
长程理解：更早的轮次在后来仍然重要。
选择性遗忘：过期或自相矛盾的信息不再起作用。

设计上的关键动作：把现有的长上下文数据集改造成增量式、多轮交互。记忆是随时间展开的行为，所以要在许多轮上测试它，让信息一点一点到达，而不是整本倾倒下来。实证发现令人清醒：当下的 memory agent 并没有掌握全部四项能力。

选择性遗忘是没人想构建的那一个。冲突消解意味着 agent 学到了某样东西、世界变了、旧信念必须被取代。它也是最难评测的：对于「本应忘掉 X 吗？」，真值是什么？把这一项纳入的 benchmark 押对了注。

我亲身测量过其中两项能力背后的机制。在我的第一作者 LLM 模型编辑预印本（在审；会议名刻意隐去）中，我们发现：一个在某种措辞上训练出的编辑，往往无法在另一种措辞下产出所存储的段落，即使检索每次都找到正确的编辑。这是测试时学习在最小尺度上的失败：新信息已经到达，但在新的查询形态下行为仍然没有改变。选择性遗忘是同一刚性翻转了符号：一个无法泛化越过其训练措辞的写入，同样是一个在世界变化时你无法可靠削弱的写入。

精读：Mem0

Mem0（Chhikara 等，2025）是生产形态的回答：一条提取、整合、检索的 pipeline，外加一个捕获对话元素之间关系的图变体。在 LoCoMo 长对话 benchmark 上评测——Mem0 团队自报的厂商数字——它报告称，LLM 裁判指标相比 OpenAI baseline 有 26% 的相对提升，p95 延迟低 91%，与处理完整上下文相比节省超过 90% 的 token 成本。

两条要点。extract-consolidate-retrieve 这一 pipeline 形态，如今已是产品记忆的默认架构。而成本故事就是采用故事：完整上下文是偷懒的 baseline，记忆系统在成本上以大幅优势胜过它，同时质量持平或更高。

一个坦率的提醒：这里的主打指标是 LLM 裁判。这在 2026 年的记忆 eval 中很正常，而它正是最薄弱的一环。裁判漂移正是 MemoryAgentBench 的设计所绕开的：它不是问一个裁判记忆整体上是否有效，而是把现有的长上下文数据集改造成增量式、多轮 QA，并分别给四项能力打分——许多轮上的回答准确率，而不是单次印象。

记忆管理即策略

两篇论文收敛到同一个动作：记忆管理是一个决策问题，那就端到端地训练这个决策。

MemSearcher（Yuan 等，2025）让主干 LLM 充当自己的记忆管理器。多上下文 GRPO 跨轮传播轨迹级优势，agent 保留一份紧凑的记忆，使上下文在 token 数量上几乎恒定，而不是线性增长。

Memory-as-Action（Zhang 等，2025）把工作记忆编辑框定为策略动作：删除、插入。Dynamic Context Policy Optimization 让联合优化变得可解，14B 模型追平了 16× 更大模型的准确率，同时把平均上下文长度削减了 51%。

方向很清楚：记忆是动作空间，不是存储层。一旦「保留什么」成为策略，评测问题就从检索质量转为决策质量，分类体系里的动态轴就成了产品规格。

一个 eval 驱动的记忆技术栈

一个由 eval 驱动的记忆技术栈。MemoryAgentBench 的四项能力作为回归门禁。综述的形态、功能与动态作为设计词汇，每个组件都要说清自己写入哪种形态、服务哪种功能。外加一条写入侧的归因要求：每一次记忆写入都必须能解释自己，因为无法被审计的记忆是一种负债。

来自我自己工作的笔记

我的两件作品分处形态轴的两侧。

Engram 是一个围绕信念到权重路由构建的持续学习记忆系统。事实、文档和类日程的记录留在一个可逆的 RAG 存储里。持久的信念与偏好通过 HoReN 编辑后端整合为模型权重编辑。归因演示才是重点，它按一个固定的六步协议运行：教给一个信念、把它整合进权重、在检索关闭时用探针提问、展示 retrieved == [] 而答案仍包含该信念、关掉编辑模块看着信念消失、再打开看着它回来。这是附带证明的参数记忆。这个开关从一次真实的 UI bug 中赢得了自己的加固：在空码本（k=0，尚未写入任何内容）时，开关现在会被禁用，因为否则每次点击 ON 都会 409，报「没有可启用的编辑模块」。细节在构建笔记里。

把它映射到综述上：RAG 存储是 token 级记忆，权重编辑是参数记忆，路由器是动态层，决定什么在哪里形成。这是我所知的、把权重 vs 上下文权衡落到实处的最强具体实例。

其次，我的 Hopfield 记忆重排器设计笔记。在设计笔记层面，想法是：把检索当作一个联想式、基于能量的过程。一个 Hopfield 式能量函数在候选记忆上重排原始检索列表，最终选择是最低能量构型，而不是最高余弦相似度命中。在设计术语上，它是暴力向量 top-k 与学习式重排器之间的第三个选项，挂在综述的潜在记忆线索上：联想结构存在于候选之间的相互作用中，而不只存在于候选内部。这是一次设计探索；我不为它声称任何结果。

我会关注的那个开放赌注：选择性遗忘能否获得非合成的真值——一个真正过时了的信念语料，而不是靠构造植入的矛盾。谁做出这个东西，谁就改变了记忆系统必须证明的东西。在 harness 语境里，它放在 agent 分类体系总览之下。

本文中链接的来源均已抓取并验证。