Meta AI 发布了一种双智能体记忆系统，将自主 AI 助手在命令行基准测试中的成功率从 38% 提升至 46%，在多领域对话基准测试中的成功率从 55% 提升至 62%。这一提升源于将一个保持不变的“执行”模型与一个专门的“记忆”教练相结合，后者会观察任务的近期步骤，并仅在上下文面临丢失风险时介入。

长期运行 AI 任务中的隐藏缺陷

当语言模型处理多步骤问题时，每一轮对话都会向历史记录中添加更多文本。模型的下一步行动本应由整个对话记录引导，但在实践中，相关的关键事实往往会被掩埋。Meta 的研究人员称之为“行为状态衰减”（behavioral state decay）——随着上下文窗口的膨胀，智能体对目标的感知会逐渐丧失。仅仅扩大窗口并不能解决问题；信息可能仍然存在，但已不再能影响模型的预测。

传统的记忆插件通常用于检索文档或个性化响应。它们从未决定过何时某段过去的信息对于影响当前行动至关重要。因此，长期运行的自主智能体会出现漂移、重复错误，或者忽略交互早期提到的关键约束。

将执行与监督分离

Meta 的解决方案是一种即插即用的架构，将执行引擎与监督记忆层分离。

  • Action Agent（执行智能体） – 一个未经修改的语言模型，负责发出命令、调用工具并产生可见输出。在实验中，它使用的是 Claude Sonnet 4.5。
  • Memory Agent（记忆智能体） – 第二个模型，定期审查最近步骤的滑动窗口。在测试中，它使用的是 Claude Opus 4.6。

记忆智能体维护着一个由三部分组成的记忆库：

  1. Private Status Field（私有状态字段） – 关于进度和风险的内部标记，执行智能体无法看到。
  2. Knowledge Memory（知识记忆） – 稳定的事实，如文件路径、配置值或 API 端点。
  3. Procedural Memory（程序记忆） – 关于哪些操作有效、哪些操作失败的日志，包括失败的命令以及解决这些问题的修复方案。

记忆智能体并不总结整个对话记录，而是决定是否进行干预。如果它检测到关键细节被遗忘，它会注入简明扼要的提醒；如果没有，它则保持沉默，从而避免产生额外的 Token 和延迟。

基准测试证明了该概念

Meta 在两个公开测试集上测试了该系统：

基准测试 基准成功率 双智能体成功率
Terminal-Bench 2.0 (命令行) 38% 46%
tau2-Bench (零售、航空、电信) 55% 62%

这些增益非常显著，因为两行中使用的执行模型是相同的；改变的只有记忆层。与广泛使用的、依赖关键词搜索的生产级记忆层 Mem0 相比，Meta 的方法表现更好。在模拟的航空订票场景中，用户错误地声称自己拥有“金卡身份”。记忆智能体捕捉到了这一不匹配，提醒执行模型信任来自航空公司 API 的已验证忠诚度状态检查，随后交易得以正确进行。

为什么业界应该关注

这一结果为未来指明了一条不依赖于模型规模不断扩大的路径。通过将上下文管理交给一个轻量级的监督者，开发者可以在不增加主模型参数量的情况下，提高跨越数十个步骤的任务（如软件调试、复杂的客服流程或自主数据流水线）的可靠性。

对于构建自主智能体的公司而言，该架构提供了：

  • 减少错误漂移 – 系统会主动防止约束条件被遗忘。
  • Token 效率 – 干预是选择性的，因此执行模型处理的无关 Token 更少。
  • 模块化升级 – 记忆教练可以更换为更新的模型，而无需重新训练执行核心。

The trade-offs and open questions

What to watch next

核心观点： 专门的记忆教练可以遏制行为状态衰减，在无需重新设计主推理模型的情况下，实现成功率的双位数提升。虽然代价是增加了系统复杂性，但其回报——更可靠的自主智能体——可能值得投入额外的工程努力。