换模型后 agent 失忆？LinkedIn 论文实测四种记忆存储的可移植性
dair_ai · x · 2026-09-07
LinkedIn 的研究首次系统回答了一个被忽视的问题：agent 的记忆能否随底层模型更换而"移植"。团队将同一段 agent 历史用四种方式存储——原文长期上下文、分块检索用、模型自写摘要笔记、固定 schema 知识图谱——然后替换读取记忆的模型，观察表现变化。
结果差异巨大：
- 固定 schema 知识图谱几乎不受影响：换写作者后准确率仅变化 0.0004；
- 模型自写笔记波动剧烈：根据交换方向不同，准确率变动 +9.91 或 -13.28 分。
作者 dair-ai 评论称记忆是构建 agent 时最难做对的事情之一，值得重点投入优化；随着用户越来越多地在不同模型、agent 与服务商之间切换，记忆的可移植性正成为关键工程问题。任何曾升级 agent 底层模型后发现它"忘事"的开发者都应该读这篇。
「编程与Agent」频道最新
- Celesto AI 推出 PB 级持久工作区,解决 Agent 沙盒存储难题 — aniketmaurya · 2026-09-08
- Astra 官方建议：低推理档表现已胜过 Sol 高推理档且更快更便宜 — steipete · 2026-09-08
- 从语言模型到世界行动系统：agent 综述提出按授权程度分配智能体权限框架 — dair_ai · 2026-09-08
- Codex 新技巧:用自然语言给 Astra 设用量预算,跑到剩 25% 才停 — keyanzhang · 2026-09-08
- Rork 推出元素选择功能,告别截图描述需求 — rudrank · 2026-09-08
- 把银行流水喂给 AI agent 找抵扣,一年省下数千美元 — menhguin · 2026-09-08