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
- Sakana 发布 Fugu Max 与 Ultra v2:多智能体编排重画性价比前沿 — SakanaAILabs · 2026-09-11
- Netlify 上线支持 Cursor Origin 仓库，一键部署可回滚 — thisiskp_ · 2026-09-11
- 日本 CS 学生作品集火了：画草图直接变 AI 编程提示词 — _AustinCalvert_ · 2026-09-11
- Turbopack 代码分块全解析:Next.js 工程师详解 chunking 权衡 — aidenybai · 2026-09-11
- 开源 FrameForge：ComfyUI 时间线编辑器串接 MiniMax H3 生成长视频 — Super_Range45 · 2026-09-11
- 手机连家里 PC 跑 Hermes Agent：骑车用 gpt-5.6 推代码上线 — DRONE_SIC · 2026-09-11