很多 Agent 该配的都配了：RAG、向量库、summary buffer，甚至把中间结果写进文件。可任务一长，还是会跑偏。

问题大概率不出在“有没有地方存东西”，而是这些信息根本没被管理好。长任务会不断冒出新线索、新状态、新经验，如果只是一股脑往文件里堆，用不了多久就会重复记录、旧信息没更新、想查的时候搜不到重点、关键线索被淹没在一堆废话里。

所以，记忆系统不能只“存储”信息，还得有判断力：什么时候该记，什么时候该去翻旧账，旧内容是覆盖还是保留，文件该怎么组织——这些共同决定了记忆到底能不能被用起来。

Stanford 有篇论文正好在讨论这个，叫「[AutoMem: Automated Learning of Memory as a Cognitive Skill]」，下面简称 AutoMem。论文的核心观点是**记忆管理本身就是一项可以学习的技能**，而不是搭好基础设施就能自动获得的副产品。换句话说，Agent 除了要把任务做完，还得学会分辨——哪些信息值得留，什么时候该回头查，写过的东西要不要更新，记忆该怎么组织才方便以后接着用。

## 混乱的 Agent 的记忆

我们先看论文中给出的一个例子。

在 NetHack 这种长流程游戏里，Agent 得记住地图、物品、状态、策略、探索路径这些东西。项目早期，只要看到新位置，Agent 就往同一个 `dungeon_map.txt` 文件追加位置信息。

这看起来很合理，但很快问题就出现了。Agent 在地图里来回走动是常事，同一个坐标很可能来回被访问。如果每次访问都往文件末尾加一条记录，文件只会越写越长，重复内容也越堆越多。到后面 Agent 想查看这个文件时，真正有用的信息反而被埋在一堆过时记录里翻不出来。

针对这些问题，AutoMem 把这种 append-only 的写法，改成按坐标做 upsert——同一个位置有了新观察，就直接覆盖掉旧记录，文件里始终只留这个坐标的最新状态。

![](https://developer.qcloudimg.com/http-save/yehe-12464096/2a7713faba338e6789c00195f2cdb34d.png)

图注：NetHack 里的记忆文件演化。早期版本会不断追加地图坐标，导致产生大量重复记录；优化后改成基于坐标的 upsert 格式，同一位置的新记录会覆盖旧记录。同时，系统还把物品、状态和策略参考等信息拆成更清晰的文件，方便 Agent 后续读取和更新。

这个例子体现了 AutoMem 的工程意义。记忆系统的关键不只是能不能写文件，还在于这些文件会不会越写越乱。地图、库存、状态、策略这些信息要是混在一起，Agent 读取时会越来越混乱；反过来，只要把文件和 schema 组织清楚，后续 Agent 的决策就会稳不少。

NetHack 的地图文件从 append-only 改成按坐标去重之后，每一步新增的记忆内容从 138 个字符降到了 6 个字符，减少了 95%。这看起来只是个很小的 schema 调整，但对长任务来说会很有用。毕竟长任务一般要跑很多步，早期写入的一点点冗余，会滚雪球式地积累下去，后面就变成越来越重的上下文噪声。

Agent 表面上看有记忆，实际上只是在一堆脏数据里大海捞针。

## AutoMem 的核心：两层外部循环

AutoMem 的框架可以拆成两层来理解。

![](https://developer.qcloudimg.com/http-save/yehe-12464096/d276f40fbbf938144831aacaad3b2e27.png)

图注：AutoMem 的整体框架。

上图中间米黄色的部分是 Agent 本体。它左边是当前的游戏观察（地图、HP、背包），中间是 game LLM 在做的三件事：LOG（记录/更新记忆）、PLAN（查阅记忆、做决策）、GAMEPLAY（真正落子行动），右边就是那个 `memory/` 文件夹，里面是各种 `.txt` 文件。这一块是两层外循环共同作用的对象，两层外循环都会去改它、影响它。

上方青绿色的部分是 OUTER-LOOP 1，负责优化结构。这里的 meta-LLM 扮演的是结果审查员的角色：它会看完整 episode 的轨迹，哪怕它动辄一万到十万步。然后它会去分析 Agent 在记忆管理上哪里出了问题，再回过头去改 Agent 的 scaffold——包括 prompt、代码逻辑，也包括记忆的 schema。前面提到的地图文件从 append 改成 upsert，就是这一层干的事。meta-LLM 改完之后，会再重新部署、再观察、再迭代，这是一个循环。

下方红色的部分是 OUTER-LOOP 2，负责优化能力。这里的 meta-LLM 干的是另一件事：从海量轨迹里挑出值得学习的记忆操作，定好训练数据的标准和构成，选 LoRA 配置，最后训练出一个专门的 memory specialist。

这里，提一下米黄色部分下面的两块小方框：task model（负责游戏动作）是冻结的，权重完全不动；真正被训练、被替换的是 memory specialist（负责记忆操作），它是由 LoRA 微调出来的。AutoMem 没去优化模型执行任务的能力，优化的始终只是“怎么记、怎么查”这一部分内容。

第一层（青绿）先把 Agent 的记忆结构和规则改对，第二层（红色）再让模型在这套结构里把记忆操作做得更熟练，两层轮流作用在中间这个 Agent 身上，就是 AutoMem 的整体框架。

## 实验结果

论文在三个长任务游戏环境里做了实验：Crafter、MiniHack 和 NetHack。这三者有个共同点：任务周期长、世界会持续变化、历史信息很关键。Crafter 涉及探索、采集、制作和战斗；NetHack 则是极其复杂的 roguelike 环境，一个 episode 能长到 10⁴ 到 10⁵ 步。

论文实验用的基础模型是 Qwen2.5-32B-Instruct。结果数据显示：只优化记忆，不动任务模型的权重，AutoMem 在三个环境里都带来了大约 2× 到 4× 的提升。

![](https://developer.qcloudimg.com/http-save/yehe-12464096/17cdcebbda10c22933979b5a6498321d.png)

图注：AutoMem 在三个长任务环境中的效果。曲线展示 scaffold 优化带来的逐步提升，右侧红色点表示再经过记忆训练后的结果。

![](https://developer.qcloudimg.com/http-save/yehe-12464096/7f30c6427f4f71d6bf0169671f31282a.png)

图注：BALROG 长周期游戏任务表现

上图显示，memory-as-file-system 的初始版本在 Crafter / MiniHack / NetHack 上分别是 25.00、7.50、0.42；经过 scaffold 优化（loop 1）后提升到 47.27、27.5、1.57；再加上记忆训练（loop 2），进一步涨到 51.36、30.00、1.85。

这组结果说明一件事：长任务能力不完全取决于模型参数规模。论文提到，优化后的这个 32B open-weight 模型，在这些任务上已经接近部分闭源前沿系统的水平。

行为层面的变化主要是 scaffold 优化之后，Agent 的低效动作明显地减少了。这里的低效动作是 stuck（动作没带来任何环境变化）和 oscillation（来回折返、原地绕圈）。经过优化后，三类长任务环境的无效动作比例下降了 32% 到 65%。记忆本身的操作也变干净了：重复写下降 68% 到 83%，空搜索下降 13% 到 50%，每一步塞进上下文的 token 量也降了 3% 到 30%。

![](https://developer.qcloudimg.com/http-save/yehe-12464096/71150c3e418e0b759798c9da34fc10af.png)

图注：scaffold 优化后，Agent 的任务动作和记忆动作都变得更高效。

这组行为数据其实比最终分数更能说明问题：AutoMem 带来的提升，本质上是把 Agent 在长任务里几种常见的浪费给消掉了——原地卡住、来回绕路、写重复信息、搜索扑空。一个真正会用记忆的 Agent，不会把所有东西不假思索地堆进文件；它会先查已有记录，再决定要不要更新；会用更结构化的方式记地图、库存、状态；也会主动减少重复内容，让自己后面更容易查到有用的东西。

这也作证了外部记忆真正的价值：不在于能存多少东西，而在于能不能把信息压缩、组织好，让模型下一步决策时更容易定位到真正相关的内容。

当然，我们也要看清楚边界。这些实验都是在游戏环境里做的，不能直接等同于真实工程任务。但它给了我们一定的启发，在长流程 Agent 里，记忆管理很可能是一个投入产出比极高的优化方向。

## 工程价值

我觉得 AutoMem 最值得拿出来讲的一点，是它把 Agent Memory 从“存储组件”往前推了一步，推到了“能力训练”这个层面。

过去聊 memory，讨论往往会落在具体实现上：向量库怎么选，召回怎么做，summary 怎么写，长上下文怎么裁剪。AutoMem 提醒我们的是，真正决定 Agent 长任务表现的，可能还有一层更底层的东西——**Agent 会不会管理自己的记忆**。

它知不知道什么值得记下来，写之前会不会先查一下有没有记过，能不能避免重复记录，能不能把记忆组织成后面真派得上用场的结构…这些工程细节放在长任务中会不断地累积，最后直接决定 Agent 能不能把事情做完。

这和真实开发工作很像。一个人写项目文档、维护日志、整理 TODO、记录踩过的坑，这些从来不只是简单地多写几个文件。写乱了，后面根本找不到；写太细，噪声就会盖过重点；写太少，关键状态又会丢。Agent 在跑长流程任务时，碰到的其实是同一类问题。

所以这篇论文的价值，不只是提出了 AutoMem 这一个框架，更重要的是它指了个方向：未来的 Agent 系统里，记忆能力也许会像规划、调用工具、执行代码一样，变成一个**可以单独优化、单独训练、单独评估**的独立模块。

Agent Memory 接下来要卷的，可能不只是“存在哪里”，还会开始卷“来整理、怎么整理、整理得好不好”。

## 局限性

AutoMem 目前的实验仍然有几个边界。

首先，论文里的记忆是 episodic 记忆，也就是每个 episode 开始时文件系统重新初始化，并没有跨 episode 保留长期经验。未来如果要用于真实工作流实验，持久化记忆会是一个重要方向。

其次，实验主要发生在游戏环境中。游戏任务适合研究长周期记忆，因为它有地图、库存、路径、目标和反馈，但真实工程任务会涉及更多复杂约束，比如代码库演化、权限、安全、多人协作、工具调用失败等。论文也提到，把方法扩展到真实 memory-intensive tasks 是后续方向。

还有一点是，论文中三个环境分别优化了不同 scaffold 和 memory specialist。因此，它还没有证明一个通用 memory scaffold 可以跨任务泛化。

这些限制不会削弱这篇论文的价值，但会提醒我们：AutoMem 更像是一个方向样本，展示“记忆管理可以被优化和训练”，距离通用 Agent 记忆系统还有一段路要走。

## 小结

AutoMem 这篇论文可以用一句话概括：Agent 的记忆管理，是一种可以被观察、评估、优化和训练的技能。

它把文件系统作为外部记忆，把读、写、查、追加这些操作放进 Agent 的 action space，再用两个外层循环分别优化记忆结构和记忆熟练度。实验结果显示，在长任务环境里，只优化记忆管理，就能显著提升 Agent 表现。

这对 Agent 系统设计很有启发。当我们讨论 Agent 为什么做不长、为什么容易重复、为什么上下文越跑越乱时，问题可能不只在模型聪不聪明，也在于它有没有一套成熟的记忆管理习惯。

未来的 Agent，可能不仅要会调用工具、写代码、做计划，还要真正学会：什么该记，什么时候查，怎么整理，以及怎么让过去的信息在未来继续发挥作用。

论文文献：AutoMem: Automated Learning of Memory as a Cognitive Skill arxiv.org/pdf/2607.01224

很多 Agent 该配的都配了：RAG、向量库、summary buffer，甚至把中间结果写进文件。可任务一长，还是会跑偏。

AutoMem：把 Agent Memory 变成可训练的记忆管理技能

AutoMem是斯坦福提出的创新框架，将记忆管理视为可学习的认知技能：通过双层外循环（结构优化+能力训练），让LLM自主决定“记什么、何时记、如何组织”，显著提升长任务表现与记忆效率。

人工智能

算法

开发工具

AutoMem研究揭示：长任务Agent性能提升的关键在于优化记忆管理而非单纯存储。通过两层外循环机制优化记忆结构和操作习惯，实验显示在NetHack等复杂环境中可提升2-4倍效率，减少68%冗余写入。研究表明，有效的记忆管理应包含信息去重、动态更新和结构化存储，使Agent能精准定位关键信息而非陷入数据泥潭。该框架为开发长流程AI系统提供了新思路，强调记忆管理应作为独立能力进行专项训练。

文件系统

Agent

文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

EdgeOne AI 安全实战专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

社区新版编辑器体验调研

AutoMem研究揭示：长任务Agent性能提升的关键在于优化记忆管理而非单纯存储。通过两层外循环机制优化记忆结构和操作习惯，实验显示在NetHack等复杂环境中可提升2-4倍效率，减少68%冗余写入。研究表明，有效的记忆管理应包含信息去重、动态更新和结构化存储，使Agent能精准定位关键信息而非陷入数据泥潭。该框架为...

AutoMem：把 Agent Memory 变成可训练的记忆管理技能-腾讯云开发者社区-腾讯云

AutoMem：把 Agent Memory 变成可训练的记忆管理技能

AutoMem：把 Agent Memory 变成可训练的记忆管理技能

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐