Agentlas 检索不调模型，LongMemEval 达到 96.4%

minglingj · reddit · 2026-07-25

一个名为 Agentlas 的项目宣称：在检索阶段不调用大模型的情况下，LongMemEval 达到 96.4%，LoCoMo 达到 91.5%。

它的设计非常本地化：只用一个 SQLite 文件存储记忆，不依赖独立的 memory server。系统把记忆分成四块：用户身份、项目上下文、单个 agent 的学习记录、团队共享事实。检索时不让 LLM 逐条判断，而是用轻量 embedding 模型配合关键词搜索先过滤无关内容，从而减少混入噪声和幻觉。最新版本还加入了团队成员独立标识记忆，以及一种“自我进化”机制：连续失败后可自动提改进建议，并允许一键批准或回滚。