三个研究 Agent 共享记忆实测：一分钱没省下来
quiet_flare · reddit · 2026-10-20
作者运行一个小型治理型 Agent 运行时（每 agent 一个 YAML、工具调用前策略门控、签名审计轨迹）。单个 agent 在 Sonnet 5.5 上答 16 个网络研究问题花了约 8.70 美元，几乎全是网页抓取。为避免三个并行 agent 重复抓取，他实现了共享记忆：第一个读者存储页面摘要（含 URL 和内容哈希），其他 agent 先查记忆再上网；同时把共享内容排在 prompt 前面，寄望前缀缓存以十分之一价格命中。
对照实验（3 agent、6 题、每 agent 上限 0.35 美元）：
- Arm A（不共享）：16 次抓取、3.8k 输出 token、成本 1.11 美元
- Arm B（共享前缀+记忆）：13 次抓取、9 次召回、6 次记忆写入、10.6k 输出 token、成本 1.09 美元
成本几乎一样，日志揭示三个失败原因：agent 几乎同时启动（相差 6 毫秒），召回时记忆全为空（摘要都在运行结束时才写入）；三个并发首次请求全部 miss 前缀缓存，且 harness 把每 agent 独立的工作目录塞进了 system prompt，前缀根本不同；摘要本身是输出 token，是 Arm A 的 2.8 倍。
作者认为问题与运行时无关：先跑一个 reader 再 fan-out、错开启动时间都是解法；代码和数据在 GitHub QuietFlare/mainsheet/bench 开源。
「编程与Agent」频道最新
- 四步给 Pydantic AI agent 加跨会话记忆：向量检索实测可用 — CountyTop5970 · 2026-10-21
- 本地 AI 应用启动器 Pinokio 推出多人模式，从单机工具变社交平台 — cocktailpeanut · 2026-10-21
- Anthropic 每日 2500 万次代码检出压垮 git，自建工具把成本从 $90 降到 $4 — aniketmaurya · 2026-10-21
- 安全专家：当前 AI agent 攻击像吵闹渗透测试，静默蜂群才是真威胁 — cyb3rops · 2026-10-21
- YC 孵化 Probe 推出 Agent 原生研究栈，为 AI 实验团队统一环境与上下文 — ycombinator · 2026-10-21
- LangChain 两分钟讲清 Managed Deep Agent 与 Deep Agent 的区别 — LangChain · 2026-10-21