做 agent 记忆层 founder 实测:72% 命中率下三分之二的失败是模型在「装傻」
Archilas-Memory · reddit · 2026-10-12
Archilas 创始人分享其 agent 记忆层产品的技术发现。产品机制:用小模型对 agent 交互记笔记,保留精确值/名字/日期,标记被后续笔记取代的事实,带来源回答问题;不用向量库,笔记被压缩进 KV cache,模型从加载的笔记而非检索切片作答。
关键发现:在长对话记忆 benchmark 上命中约 72%,而其中约三分之二的失败发生在正确证据已在上下文内的情况下——小模型会含糊、弃答或选到其他会话的相似事件。检索调优、LoRA 微调和笔记重写都没修复;换大模型修复了更多错误答案,却开始回答本来没有答案的问题(幻觉新形式)。正在征求社区对记忆层信任设计的看法,MCP/API/SDK 即将推出。
「编程与Agent」频道最新
- levelsio 砍光 SaaS 订阅：钱只花在 AI 推理、内容、数据中心和水电 — karlwaldman · 2026-10-12
- 博主称 Grok Bot 在智能体私人助理竞赛中领先 — Arindam_1729 · 2026-10-12
- 实测疑问：Codex 会因预算估算不足而拒绝或削减任务吗 — r618NecessaryStation · 2026-10-12
- Hamel Husain 力荐:用 Excalidraw MCP 做幻灯片,告别过度生产的 AI 味 — HamelHusain · 2026-10-12
- 实操经验:自动研究做 LLM 预训练,堆叠组合改动是最大杀手 — menhguin · 2026-10-12
- 非程序员的省钱 agent 流水线：只在判断处用前沿模型 — Soggy_Yogurtcloset35 · 2026-10-12