Grounding Agent Memory: Environment-Probing Curation for Enterprise Agents
Susheel Suresh, Hazel Mak, Sahil Bhatnagar, Chhaya Methani, Alejandro Gutierrez Munoz
cs.AI, cs.SE
2026-09-10
微软给异步记忆策展器加只读环境工具来校验记忆，GitHub Copilot在CLBench通过率从39%升到73%，任务侧成本从3.38美元降到1.68美元。
企业 Agent 已经开始配跨会话记忆。做完一个任务，另开一个策展 Agent，把轨迹收成可检索的事实和流程。Mem0、Claude Managed Agents、Copilot Studio 都走这条路。
卡点在证据从哪来。策展器只能看见已经走完的那条轨迹。一条轨迹是对环境的一次、偏、还经常带错的观察：会把某次答案当成流程记下，把低效路径固化，把过期的表名写进长期记忆。CLBench 已经测过，数据库 schema 一改，记忆会把失效规则继续喂给后续任务。把核对推到任务时，干活的 Agent 就得把工具预算花在复查旧记忆上。
微软把这件事做成 environment-probing curation，给现成的异步策展器加最小权限的只读世界工具。任务 Agent、检索器、记忆表示、生产写权限都不动，也不重新训练。
任务结束后走 propose–probe–commit。策展器先根据蒸馏轨迹提出候选记忆，再用只读工具去查不确定的点，最后才 create / update / delete。探测可以：把偶然答案和可复用关系拆开、看有没有更短路径、在另一片数据上测声称的关系、检查流程前置条件、看轨迹没去过的状态、怀疑漂移时重查当前环境。CLBench 里探的是表、join key、编码和迁移后字段；改编的 APEX 咨询任务里探的是文件位置、文档相关性和工作簿内容。探测不进任务轨迹、不占任务预算、不改环境。没有安全只读面，就退回纯轨迹策展。
对照四套 GitHub Copilot SDK 系统：无记忆、把历史轨迹整段塞进上下文的 Full ICL、GHCP + Mem、以及加了探测的版本。
主实验里任务、蒸馏、策展共用 gpt-5.4。CLBench 的 40 题漂移日程在第 20 题后改 SQLite schema。
| 配置 | 通过率 | 总奖励 | 每题查询 | 任务成本 |
| 无记忆 | 39% | 8.60 | 8.8 | $3.38 |
| Full ICL | 61% | 21.39 | 3.0 | $2.01 |
| Mem | 70% | 20.00 | 5.6 | $1.99 |
| Mem + 探测 | 73% | 22.60 | 4.7 | $1.68 |
探测把输入 token 压到 1.69M，低于 Mem 的 2.13M 和 Full ICL 的 5.42M。无漂移的 30 题上，探测在 Sonnet 4.6 和 Opus 4.7 的奖励分别是 0.748 和 0.721，高于对应的纯记忆 0.673 和 0.696。
改编 APEX 的 90 个咨询任务、六个文档世界里，18 组记忆对基线的奖励比较全部为正，任务工具调用从 30.0–71.6 降到 13.9–28.4。探测在六个世界里五个拿到最高的每美元奖励增益。发现成本最高的那个世界，工具调用从 71.6 降到约 19。
记忆条目的差别很具体。纯轨迹会写下「别用 AVG(prcusd)，会得到约 52.96，正确答案是 96.23」。探测后写成可执行步骤：join itemsg2 到 taxng2，按品类过滤，prc>0，再比平均值。过期的 attrsg3 被改成当前的 productattributesg3。
这是可以塞进现有生产栈的增量。模型、任务 Agent、检索、记录格式、异步 CRUD 都不用换，只给策展器加只读连接器或 MCP。探测走平台审计，不在用户关键路径上。对要跨会话积累环境知识的企业 Agent，比把整段轨迹塞进上下文更省，也比只靠事后反思更不容易把错规则写进长期记忆。
改进发生在写记忆时的证据质量，任务 Agent 的能力没有被加大。
论文没有单独开局限节。能看出的缺口：探测相对纯记忆的优势在置信区间上经常重叠，作者把它当机制解释，没有当成已坐实的子组效应。六个 APEX 世界里有一个探测几乎没增益。无漂移时 Sonnet 上的额外增益（+0.075）大于 Opus（+0.025）。更强模型如果已经能从轨迹里写出可执行记忆，探测的边际会变薄。评测只覆盖数据库探索和咨询文档世界，没有代码仓库，也没有带副作用的写操作环境。策展阶段的 token 和美元被单独记账，没有摊进任务成本，部署时这笔异步开销仍要付。