ARTICLE · 1312728
不重训模型,AI助手也能长记性
AI 助手能不能从自己的经历里变好？周一踩过的坑，周二还会不会再踩一次？这个问题决定了它只能当一次性工具，还是能成为越用越顺手的同事。答案的关键在于「学习」发生在哪里。
01 天赋是出生带的，笔记是上班记的
模型重训和 agent 学习，是两件完全不同的事。重训（重新调整模型参数，相当于回炉再造）成本高、周期长。微调（用小数据轻量调整模型）也动到了权重。而 agent 学习指的是另一条路：模型本身一字不改，改的是它周围的东西。
这就像人和天赋的关系。一个人出生时的智商是天生的，相当于模型的权重；上班后记笔记、写复盘、攒经验，这些都在本子上，脑子没变。第二天翻笔记本，同样的问题就不再犯。
模型的输出由两部分决定：权重和输入。往输入里塞进一条相关的经验，行为立刻会变。业内已有验证：Reflexion（2023 年）让 agent 把失败反思存进记忆，后续尝试明显变好；Dynamic Cheatsheet（2026 年）让策略笔记跨任务累积。
所以本篇的核心判断先说清楚：AI 助手的成长，主要靠模型外围的记忆系统，权重不动。这就是「不重训也能长记性」的含义。
02 一个管写，一个管读
经验存下来容易，存得对、找得准才是难点。设想一个 agent 导出数据，第一次漏了大半记录，排查后发现 API 有分页游标（数据一页一页给，要拿着令牌翻页）。它把教训写进记忆。但如果下次直接把整段对话翻出来喂回去，这条关键教训会淹没在报错排查和临时路径里。
有研究提出了对策：ACE 把上下文当成一本持续修订的操作手册，由生成、反思、整理三个角色分工维护，每条经验带编号和成败计数，坏了单独改，不整本重写。效果有数字：在 AppWorld 基准上，配合 DeepSeek-V3.1，任务完成率从 41.5% 提到 54.4%，模型一个参数没动。
另一项工作 MemRL 解决「选哪条经验」：每条记忆带效用分（这条建议历史上灵不灵），检索时先按相似度找，再按效用挑。两条思路合起来，一个管写，一个管读。
03 学错怎么办：经验三道闸
但学错怎么办？这套机制有个软肋，值得单独拆开看。假设导出最终成功了，agent 把功劳记在「把每页调大到 1000 条」上，可真正的解药是跟着游标翻页。把成功尝试里的每一步都记成经验，就会留下一个说得通、却答错了因的教训。
多篇论文都承认这个归因难题：多条记忆共同促成一次结果，说不清谁该记功。生活里的版本更好懂：小组作业拿了高分，每个成员都觉得自己贡献最大。给哪条经验记功，人和机器一样糊涂。反馈本身也可能很弱：接口返回成功只代表协议层通了，不代表数据真的导全了。
我把这类问题整理成一个自查框架，叫「经验三道闸」：第一道闸「记得下」，教训是否保留了当时验证过的证据，比如「核对过总条数一致」和「请求返回 200」必须区分；第二道闸「找得准」，记忆是否带适用范围，标明只对某个接口版本、某种响应格式有效；第三道闸「退得出」，环境变了之后，旧经验有没有被识别、修正或废弃的通道。三道闸全过，经验才配叫学到了。
顺便说一句，这套三道闸不只属于工程师。你信任一个 AI 助手的建议之前，同样可以过一遍：它记得的是证据还是巧合，换个场景还灵吗，过期能被发现吗。
04 值不值得这么复杂：一场公平比赛
还有一个更尴尬的问题：这些「学习」值不值得那么复杂？如果核心教训是「这个接口要用游标分页」，工程师写进文档五分钟搞定，或者直接在封装层自动处理分页，一劳永逸。
记忆系统要证明自己，就得跑一场公平比赛：固定模型和工具，让「静态说明文档」「朴素检索历史」「带反馈的记忆」和「工程师手写的简明手册」四种方案，在同一批任务上积累经验，再到另一批没见过的任务上比首试成功率、延迟和总成本。再把环境改一改，看旧经验是被修正了，还是被照着又摔一跤。
国内团队和开源社区做 agent 产品时尤其要算这笔账，人力便宜不等于该人肉维护文档，但复杂系统的维护成本同样真实。对中文读者还有一层适用性：这套研究的评测都跑在英文工具生态上，中文场景里的工具文档质量、报错信息的可读性都会影响经验沉淀的上限，迁移时要打折扣看。
个人用户身上同样要算这笔账。笔记软件的记忆、聊天记录的引用、自定义指令，这些都是你的 agent 记忆，值得定期翻一翻：里面有没有过期的职位信息、早已放弃的项目、半年前的偏好。存错的经验不会自己走开。
05 判断：能翻账本的学习才算数
我的判断是：外部记忆是当前性价比最高的 agent 改进路径，因为它的产物可查、可改、可删，出了错你能翻账本，而权重里的改动你看不见。稳定下来的确定性流程应该下沉进工具代码，留在记忆里的只该是那些依赖情境的策略。
AI 助手的成长，最终考验的是外围工程，而不是模型本身。这也给了普通人一个筛选标准：评测一个 AI 产品，别只看它多会答，看它隔周重复同类任务时，错误有没有变少。长记性必须是可验证的行为，不能只是产品发布会上的一页幻灯。
你手里的 AI 助手，周二还记得周一的错吗？欢迎说说你见过的最蠢的重复犯错现场。
