记忆历史不等于推理历史：agent 记忆系统缺失「因果溯源」层
puppy_lover_2021 · reddit · 2026-09-28
作者在为长期运行 agent 构建记忆基础设施时发现一个此前被模糊的关键区分：时间顺序不是因果解释。
以一个事故调查 agent 为例：若日志记录了「连通性证据到达 → 随后 agent 改变了调查决策」，事件日志可以重放状态变化，但除非应用显式记录了关系，你无法断定「证据 → 导致 → 决策」。
作者由此区分三种溯源（provenance）：
- Source provenance：这条记忆从哪来？
- Transition provenance：存储的记忆随时间发生了什么？
- Reasoning provenance：哪条证据导致 agent 做出这个决策？
前两种在记忆系统中较易表达，第三种则完全不同——测试中，新决策的来源只标为 agent，没有任何东西把决策与证据关联起来。你可以拥有完美可重放的记忆历史，却仍回答不了「agent 为什么这么决定」。
作者附上博客和开源项目 typedmem，并抛出开放问题：生产级 agent 是否应显式存储 证据 → 决策 链接？还是依赖 trace/执行溯源，或把推理溯源完全放在记忆层之外？
「编程与Agent」频道最新
- Codex 建应用很能干,连 Chrome 现有会话却频繁掉链子 — ChrisGPT · 2026-09-28
- DeepSeek 发布 Codex 式 Agent 框架，可接入多家模型供应商 — ChrisUniverse · 2026-09-28
- 用 Claude Code 打造菜单栏 Agent 应用 CoIsland,35+ 连接器监控开发工具 — DonTizi · 2026-09-28
- Andrew Carr 称用 Astra 跑出哈希一致的可复现输出 — andrew_n_carr · 2026-09-28
- SkillGym 用 2756 个技能环境微调,Qwen3.5 小模型超 Claude Sonnet 4.6 — dair_ai · 2026-09-28
- Coinbase CEO：每个后端服务都该有 /feedback 端点让 agent 反馈 — pzakin · 2026-09-28