AI下半场的战场,从Agent记忆体正式打响

最近,一个叫OpenClaw(小龙虾)的开源项目突然爆火,甚至出现线下排队安装的场面。很多人第一次直观地看到,AI不只是chatbot,而是可以真正“动手”操作电脑、完成复杂任务和个性化工作流的智能体。这意味着AI正在进入下半场,开始走向真实应用,并逐渐进入普通人的日常生活。
最近,一个叫OpenClaw(小龙虾)的开源项目突然爆火,甚至出现线下排队安装的场面。很多人第一次直观地看到,AI不只是chatbot,而是可以真正“动手”操作电脑、完成复杂任务和个性化工作流的智能体。这意味着AI正在进入下半场,开始走向真实应用,并逐渐进入普通人的日常生活。
如果说上半场的 AI 是在拼模型参数和 benchmark 分数,那下半场真正要解决的,是一个更现实的问题:
AI 能不能在真实世界里,持续地干活。
过去几年,大家卷的是 scale、架构、训练 recipe,把 MMLU、数学题、代码题刷到 90%+。但大部分的数据集几乎都是短上下文、一次性任务。现实世界完全不是这样:白领工作、个性化助手、医疗诊断、深度研究,全部都是长时间、多轮次、以任务为导向或者以用户为核心的交互的场景。
Agent 能力已经从最初的尝试function calling,进化到开始真正影响各类白领行业;Anthropic 开放各个行业级插件生态,也让一批 SaaS 公司股价剧烈波动;年初 openclaw 小龙虾项目的爆火,GitHub star 增长速度甚至超过 Linux。
但在这些现象背后,真正的核心便是Memory。
近日一篇关于 Agent Memory 的系统性综述,联合了 20 + 所高校与工业界研究单位,包括伊利诺伊、加州等全球多所研究高校,以及 Meta、Google、Salesforce 等工业界团队,一起梳理了 Agent memory 这条正在爆炸式发展的赛道。

- 论文标题:Rethinking Memory Mechanisms of Foundation Agents in the Second Half: A Survey
- 论文链接:https://arxiv.org/pdf/2602.06052
- 论文资源:https://github.com/AgentMemoryWorld/Awesome-Agent-Memory
我们会持续更新最新foundation memory的文章,欢迎关注收藏。

这篇 Agent Memory 综述的核心是:当 Agent 从短对话走向长周期任务,真正爆炸的需求的不是仅仅模型的智能,而是去处理复杂 context、environment 的系统级 memory 能力。
单纯扩大 context window,并不能真正解决这个问题。现实环境中的信息会持续累积,复杂度远不止 token 数量的增长。
用户的历史行为、多任务记录、工具调用结果、外部文档、环境状态变化、模型自身的推理轨迹都会持续积累。随着时间推移,这些信息相互交织。如果只是简单拼接到 prompt 中,推理成本会迅速上升,注意力机制会被噪声淹没,关键线索反而更难被捕捉。
更重要的是,真实任务具有时间跨度。一个科研助手不能在每次对话时都 “忘记” 过去的讨论;一个个性化助理不能每一轮都重新学习你的偏好。
因此,问题不再是 “能读多少 token”,而是:
Agent 是否具备真正的 memory 机制,能够存储、抽象、压缩、更新甚至遗忘信息,并在长期过程中持续演化。这也是近两年 memory 相关论文数量急剧增长的根本原因。

Memory 不只是 RAG
很多人把 memory 简化为 “RAG + 向量库”。这种理解只触及了表层。
这篇综述从系统设计视角重新组织了 Agent Memory,将其拆解为多个相互作用的维度,而不是一个孤立模块。
1.首先是 memory 存储的位置。它可以存在于模型内部,例如通过参数更新、latent 表示或扩展的 KV cache;也可以存在于模型外部,例如结构化数据库、知识图谱或事件日志。内部 memory 紧密但难以控制,外部 memory 可解释性更强但需要调度策略。未来的 Agent 很可能是多层 memory 协同的混合结构。
2.其次是 memory 在认知层面的功能。借鉴认知科学的划分,memory 可以承担不同 function。有些负责短期感知,有些支撑当前任务,有些记录具体事件,有些沉淀抽象知识,还有一些用于形成技能和策略。
3.最后是 memory 的主体。记忆可以服务于用户,用于个性化;可以服务于任务领域,用于形成专业能力;也可以服务于 Agent 自身,用于自我改进。三者的优化目标和更新策略并不相同。
当这三条轴展开之后,我们看到的已经不是简单的 “存储系统”,而是一个系统级记忆体结构框架。未来 Agent 的在真实应用场景的能力上限,很可能不再完全取决于模型参数规模,而是依赖于 memory 如何与工具、环境和用户交互。
当环境变得真实,
数据集评估变得尤为重要
在真实部署中,Agent 面对的不再是静态 prompt,而是动态环境。网页状态在变,文件系统在更新,工具输出不断叠加,权限与约束持续变化。context 的增长不只是对话历史延长,而是跨时间、跨系统、跨任务的状态积累。
因此,memory 的核心挑战不再是 “能存多少”,而是 “如何管理环境状态”。
随着交互时间变长、环境复杂度提升、工具数量增加,context 会沿多个维度扩张。单纯扩大窗口无法解决结构混乱、信息污染和因果断裂的问题。Agent 必须能够结构化存储环境状态,维护可更新、可回溯的内部表示,而不是简单拼接 token。
未来的关键方向是让 memory 策略本身可学习。系统需要学会在长期回报下判断哪些信息值得保留、哪些应被压缩、哪些可以遗忘。这意味着 memory controller 将从规则工程演化为优化目标的一部分。
评测体系也会随之转向。未来 benchmark 的核心不再只是回答是否正确,而是任务是否真正完成、环境状态是否被正确维护、决策是否可追溯。真实世界环境的构建,将成为区分实验室模型与可部署 Agent 的分水岭。


也许几年后我们回头看,会发现:
上半场解决的是模型是否会智能对话。
下半场真正要解决的是:
Agent 能不能帮你把事情做完。

从单轮智能到长期协作,从一次性回答到跨环境执行,AI 的重心正在悄然转移。
决定系统价值上限的,或许不再只是参数规模,而是 memory 的系统级设计能力。
AI 的下半场,这场无硝烟的战场,
已经从系统级记忆体正式打响!
文章来自于“机器之心”,作者 “机器之心”。
Related topics
After reading
Join the AINRK community
Read how to join the community and connect with people working in AI.




