先整理再检索：RSM-full 以 32% token 保住 83% 记忆质量
rohanpaul_ai · x · 2026-09-11
RSM-full 方法对长时运行 agent 的记忆管理提出简洁思路：在 token 预算紧张时，先把相关记忆分组并整体召回，效果优于更复杂的检索方案。
- 常见两类做法的问题：一是把历史交互塞进 prompt，二是检索孤立 chunk，token 预算一紧都不好用
- RSM-full 在记忆到达时就按相关性分组，需要时整组取回
- 在 AMA-Bench 上约 4k prompt tokens 条件下，只用 32% 的 token 成本，保住喂入完整历史时 83% 的质量
- 结论：对记忆受限的 agent，「先组织过去，再优化搜索」
所属事件:RSM 记忆方法：4k 预算下以 32% token 达 83% 质量(3 条相关)→
「编程与Agent」频道最新
- Nitrosend 让 Grok Bot 自主接管邮件营销:一条 SKILL.md 全自动配置 — nikvassev · 2026-10-28
- Oracle 推出 AI Agent 图像记忆:截图凭据可跨会话留存检索 — TheTuringPost · 2026-10-28
- Claude Opus 5.5 从二进制重建 SQLite 等程序,ProgramBench 得分 18.5% — winer666 · 2026-10-28
- Pichai 自述用内部 Agent 汇报训练进展与算力遥测 — rohanpaul_ai · 2026-10-28
- Amazon 重写 SDE 角色指南：定义「文艺复兴开发者」时代 — prdeepakbabu · 2026-10-28
- 社区插件 Kinocut 让 Hermes Agent 本地剪辑视频，无需 API key — alexcovo_eth · 2026-10-28