Agent的记忆，终于有了一场统考
用Claude Code写了一周代码，关掉终端再打开：它不记得项目架构、不记得你的代码风格、不记得上次调试到哪一行。这不是某一个产品的问题，Agent的失忆早就被社区总结得很扎心了：你骂它一次，它规矩五分钟；新开一个会话，全部清零。知乎这周，这个老毛病终于等来了两件标志性大事：8月12日，首个智能体记忆榜单AML（Agent Memory Leaderboard，中文名「记忆之巅排行榜」）放出首期结果，上线以来官方站点点击量突破20万次，总共136个团队提交注册申请。36氪
失忆的代价不只是体验差。MIT的NANDA报告称，约95%的企业级生成式AI试点没能换来实际回报，症结集中在缺数据基础设施、融不进既有工作流。36氪对个人用户来说，这意味着每次开新会话都要从头交代一遍「我是谁、在做什么项目」；对企业来说，这意味着Agent项目一直卡在试点阶段走不出来。
为什么要统考？因为之前的榜已经乱了
过去评价Agent的记忆，基本是一笔糊涂账：大家依托LoCoMo、LongMemEval这些基准，各家的实现各不相同，分数却都敢往高了报。最夸张的一组对比：Zep曾自报LoCoMo约84%，但后来复测发现结果在58-75%左右。知乎同一个系统、同一套题，分数能差出二十多个百分点。问题不在于谁造假，而在于数据、答题模型、Prompt和评分标准各搞一套，分数高可能只是背后的大模型更会答题，不代表记忆更好。
统考考什么：把「记忆」和「答题」分开
AML由海内外近30所研究机构科研团队联合发起，核心设计是把评测链路切断：参评系统只负责两件事，把历史信息记下来（Add），在问题到来时找回来（Search）；至于拿到记忆之后怎么组织答案、怎么打分，全部由平台用同一套模型、同一套标准统一完成。考试科目也拆得很细：文本记忆覆盖事实召回、多跳推理、时间与事件、记忆治理、个性化、上下文执行、安全与隐私七个方向，代码记忆则考察系统能不能复用历史调试和开发经验。36氪这样至少能搞清楚，「记性好」到底是记忆系统的功劳，还是答题模型的功劳。
放榜：冠军七项全第一
首期商业榜的结果：MemoraX以58.02的总分强势夺魁，在7能力维度中均排第一，在显式事实召回、关系/多跳组合推理、记忆治理等维度和子维度与第二名拉开较大差距。知乎
但先别急着膜拜，泼三盆冷水。第一盆，看冠军的成色：公开信息显示，这是一家成立还不到半年的公司——深圳忆纪元科技有限公司，团队在短短5个月内已连续斩获三轮大额融资。36氪资本热度越高，越要把「评测分数」和「生产可用」分开看。再看开源阵营：开源榜前三是InvMem、Refind、ActiveMemory，得分分别是45.06、44.97、44.84，分差较小。知乎商业框架暂时领先，但开源追得很紧。
第二盆，一期榜单说明不了全部。记忆系统真正的考场仍在生产环境：长期运行是否稳定、成本是否可控、能否满足企业级安全与合规要求，都不是一次集中评测能够回答的。36氪Coding榜的结果也一并公开了：MemoraX以62.00%的任务解决率排名第一，领先第二名约10个百分点。知乎另外提醒一句：我看到的两篇放榜文章，都给冠军留了不小篇幅，而冠军公司正在融资窗口期——榜单值得盯，宣传热度要打折看。
百万Token上下文，为什么替代不了长期记忆
有人可能会问：模型的上下文窗口越来越长，把所有东西都塞进去不就行了？不行。短期记忆是一次对话里的工作台，对话结束就清空；长期记忆是跨会话持续积累的信息系统，要分清哪些值得存、哪些已过期、哪些互相矛盾。工作台再大，也替代不了档案库。
更反直觉的一点：长期记忆最难的不是记住，是忘掉。有位带过Agent落地的知乎从业者说得很透：Agent长期记忆最大的工程难题，不是怎么记住，是怎么忘掉，三个月前用户随口说的一句话，可能到现在还在污染上下文。知乎记忆只进不出，新旧信息互相打架，Agent就会越用越「固执」、越用越像个陌生人。所以AML把「记忆治理」单列为考点，考的恰恰是最容易被忽略的能力：删掉过期事实，裁决矛盾信息。
先自测：你的Agent到底有没有「记忆」
在为「长期记忆」功能掏钱之前，建议先用这5个改编自AML考点的问题，测一下你手上的Agent：
事实召回：告诉它一个设定（比如「项目用Python 3.11环境」），过几天改掉，看它能否及时更新。
时间推理：问它「上周我们定了什么方案」这类带时间顺序的事。
记忆治理：故意给它两条互相矛盾的说法，看它是发现冲突来问你，还是混着一起说。
个性化：新开一个会话，看它能否自动沿用你之前声明过的偏好，而不是等你重新交代。
上下文执行：交给它一个跨几天的任务，看它记不记得进度、约定和上次没做完的部分。
5题里挂了3题以上，说明你的Agent现在基本是「每次都从零开始」，为记忆功能付费的价值要打个问号。
现在就能做的三件事
第一，把偏好、约定和项目背景写进CLAUDE.md这类规则文件，让Agent每次会话先读它。前面那位知乎从业者的判断是：这类过程记忆最好的载体不是向量也不是图谱，是规则文件或者结构化的偏好配置。知乎
第二，定期给记忆「倒垃圾」：每月清理一次过期事实，重要结论手动确认。刚开源的MyContext是个可以参考的思路，它在结论层用「三态合并」处理信息：真冲突时两条都留、交由用户裁决，用户手工确认过的结论，模型永远不能覆盖。36氪
第三，盯住两个信号：一是AML第二期放榜时，冠军是否易主、开源与商业的分差是否缩小；二是如果你和很多打工人一样，工作信息大量沉淀在钉钉、飞书这类IM里，可以留意MyContext这类本地化工具接入这些数据源的进展。在行业把记忆这门课补完之前，自己Agent的记忆管理只能自己先动手——好消息是，自己动手的门槛并不高。
