写上一篇 Agent 架构演变史的时候，有一个时刻让我愣住。
写到 SOAR（1987）的 Chunking 机制时，我意识到它和今天 Hermes Agent 的 SKILL 系统几乎做的是同一件事：把成功的经验编译成可复用的规则，下次直接调用。 我当时的原话是——
要我说，ReAct 循环完全跟这个一样，所以算不上什么新东西。
这不是故作惊人之语。顺着这个思路往下挖，我发现 SOAR 的整个记忆架构在今天看都不过时。不仅不过时，它还比大部分号称有"记忆系统"的产品更完整。
但这引出一个让我不太舒服的问题：
一个 1987 年的架构就已经想清楚的事，为什么 2026 年还在被当作创新来营销？
或者说更尖锐一点：记忆系统，真的是 Agent 性能的关键瓶颈吗？
一、SOAR 的记忆蓝图
SOAR（State, Operator And Result）由 Allen Newell、John Laird 等人在 1987 年提出。它的目标是实现通用人工智能——用的还是符号主义那套方法。
SOAR 不是"一个 AI 程序"，它是一套关于智能的理论：任何表现出通用智能的系统，都得有某种固定的结构，包含什么记忆系统、什么决策流程、什么学习机制。
在这个框架里，记忆不是附加功能，是核心架构。SOAR 一共定义了 9 个记忆系统，分三层：
工作记忆（Working Memory）
这是 SOAR 的全局工作空间。所有感知输入、中间推理状态、决策状态都在这里，用栈结构分层表示目标与子目标。相当于今天 Agent 的 Scratchpad + 对话历史。
长期记忆（Long-term Memory）
长期记忆又细分为三个独立系统：
| 记忆类型 | 内容 | 今天的对应物 |
|---|---|---|
| 程序性记忆（Production Rules） | if-then 规则，决定怎么做 | LLM 的权重 + 推理策略 |
| 语义记忆（Semantic Memory） | 事实性知识，知道是什么 | RAG 知识库 / 向量数据库 |
| 情节记忆（Episodic Memory） | 过去的经验，经历过什么 | 对话历史 / 记忆流 |
意向记忆（Intention Memory）
SOAR 还有一个 Goal Stack（目标栈），管理当前正在追求的子目标及其优先级。这对应今天 Agent 的任务队列和规划器。
决策周期
SOAR 的核心循环是：
感知 → 匹配规则 → 冲突消解 → 执行 → 学习（Chunking）
遇到无法解决的问题时，自动创建子目标去解决。解决后，Chunking 机制把整个推导过程编译成一条新的生产规则。
每一次循环可以改变行为。每一次 Chunking 可以永久提升效率。
二、今天的"记忆营销"
现在回过头看 2023-2026 年的 Agent 产品，你会发现一个有趣的现象：几乎每个产品都在卖"记忆系统"。
| 产品/框架 | 记忆卖点 | 实际实现 |
|---|---|---|
| MemGPT/Letta | 操作系统级分层记忆 | 存档存储 → 向量检索 → 注入上下文 |
| Hermes Agent | 终身学习、三层记忆 | MEMORY.md(2200字符) + USER.md + FTS5 全文搜索 |
| ChatGPT Memory | 跨会话记住用户偏好 | LLM 提取事实 → 结构化摘要 → 下次注入 |
| Claude 项目记忆 | 记住项目上下文 | 单个 LLM 生成的项目摘要 |
| Zep | 自动实体提取和记忆管理 | 实体图谱 + 时间衰减 + 重要性评分 |
| Kimi | 手动保存到 AGENTS.md | 纯文本文件读写 |
把这张表和 SOAR 的 9 层记忆系统放在一起看，你会发现一件尴尬的事：
今天的"记忆系统"并没有比 SOAR 更丰富，反而更简陋。
SOAR 有程序性记忆（改变了决策逻辑）、语义记忆（知识库）、情节记忆（经验）、目标栈（任务管理）。今天的产品基本上只实现了"存文本→检索→注入上下文"这一个模式，管它叫"记忆"。
更关键的区别在后面。
三、检索式记忆的理论天花板
抛开营销回到技术层面：今天的"记忆系统"本质上都是检索式记忆——你存一段文本，下次用向量搜索找到它，再塞回上下文。
这个范式有一个数学层面无法规避的问题。
3.1 高维诅咒
你能想到的几乎所有嵌入模型都在用 768d 或 1024d 的向量。
Aggarwal 等人在 2001 年就证明了一个令人不安的事实：当维度超过 ~25 时，高维空间中所有点的距离趋向均匀。最近邻和最远邻的距离比值趋近于 1。
这意味着：你的向量索引本质上是一个随机排序器， 只是被嵌入模型的"语义压缩"勉强维持着秩序。两个文档余弦相似度 0.85 可能语义无关，另外两个 0.80 可能是同义改写。你的 ANN 索引分辨不了这个区别。
你提高召回率=扩大检索范围，必然引入噪声——因为决策边界一定包含边界线不相关的文档。
3.2 Lost in the Middle
Liu 等人（2023）发现 LLM 在长上下文上的表现呈 U 型曲线：相关信息在开头和结尾时性能最好，在中间时下降 20-40%。
这意味着什么？你为了提高召回率多检索几个文档进去，这些文档恰好被塞进了模型最不会利用的位置。
你在主动伤害自己。
更糟糕的是，这个 U 型是因果注意力（Causal Attention）的结构性属性。长上下文模型（128K、200K、甚至 1M）都没有消除它。它是一个 architectural 问题，不是一个参数能调好的。
3.3 LLM 对噪声的极度敏感
Shi 等人（2023）在 GSM-IC 基准上发现：一个无关句子就让 GPT-3 的准确率从 80% 掉到 55-65%。 一个句子。
Cuconasu 等人（2024）进一步揭示：主题相关但实际无关的文档比明显无关的文档更有害——因为 LLM 分不清"看起来相关但没用"和"真正有用"。
把这三个事实串起来：
| 事实 | 含义 |
|---|---|
| 高维诅咒 | 提高召回率不可避免引入噪声 |
| Lost in the Middle | 多塞的文档在模型最不擅长的位置 |
| 噪声敏感 | 少量噪声就显著降低输出质量 |
这就是 Precision-Recall 矛盾的完整图景。它不是工程问题，是结构性问题。
3.4 实证：记忆增益的边际递减
我不是在说记忆系统没用。它确实有效。Hindsight（2025）把 20B 模型在 LongMemEval 上从 39% 提升到 83.6%。CorpGen（2026）把多任务完成率从 8.7% 提升到 15.2%（3.5x）。
但同一批论文也揭示了一个天花板：
- Zep 在 MemGPT 自己的基准上只领先 1.4 个百分点
- Lian 等人（2024）发现记忆超过 500 个事件的 Agent 产生矛盾计划的概率是小于 50 个事件的 2 倍
- 学术界开始承认：当前 RAG 范式的记忆系统正在逼近收益天花板
四、SOAR Chunking vs 现代 Agent 的"学习"
回到 SOAR。它的 Chunking 和今天的"记忆"有一个本质性的区别：
| 维度 | SOAR Chunking | 现代 Agent 记忆 |
|---|---|---|
| 改变了什么 | 新增生产式规则到架构中 | 存一段文本到数据库 |
| 持久性 | 永久的行为改变 | 依赖上下文窗口（滚出去就没了） |
| 机制 | 条件-动作规则编译 | 文本注入到 prompt |
| 泛化 | 规则自动匹配任何符合条件的状态 | 只有文本重新注入才生效 |
| 重量级 | 轻量（一条规则） | 重量级（每次检索 + 上下文消耗） |
SOAR 的 Chunking 是真正的程序性学习：系统的决策逻辑被永久修改了。下次遇到同样的情况，它不需要思考，直接反应。
现代 Agent 的"记忆"是外部文本存储：每次使用都需要重新检索、重新注入、让模型重新处理。你记了 100 件事，每次对话开始，你要检索一次，消耗一次上下文。
这不是同一个量级的东西。
Hermes Agent 的 SKILL 系统是最接近 Chunking 的——它在完成任务后自动创建 SKILL 文件——但它依然只是存了一段文本，下次读取这段文本。模型权重从未被修改过。
所有号称"终身学习"的产品都得打上问号。
五、Harness 工程：被忽视的真正杠杆
如果记忆不是 Agent 性能的关键瓶颈，那什么是？
越来越多的证据指向另一个方向：Agent 与环境的接口质量——工具设计、反馈信号、错误处理、状态控制。 我称之为 Harness 工程。
Andrew Ng 的数据
2024 年 3 月，Andrew Ng 在 Agentic Design Patterns 系列中公布了一个令人震惊的对比：
| 配置 | HumanEval 准确率 |
|---|---|
| GPT-4 零样本 | 67.0% |
| GPT-3.5 零样本 | 48.1% |
| GPT-3.5 + Agent 循环 | 95.1% |
GPT-3.5（弱模型）+ 良好的 Agent 流水线（工具使用、反思、规划）大幅超越了 GPT-4（强模型）零样本。
这意味着你可以花精力优化模型内部的记忆系统，也可以花精力优化 Agent 外部的工具和流程。后者的收益可能更高。
Anthropic 的 ACI 概念
Anthropic 在 2024 年 12 月的《Building Effective Agents》中提出了 ACI（Agent-Computer Interface） 的概念——Agent 与计算机之间的接口质量和 HCI 一样值得精心设计。
他们报告：
“在 SWE-bench 的 Agent 上，优化工具所花的时间比优化整体提示词还要多。”
一个具体的案例：把工具参数从相对路径改成绝对路径（简单的防错设计），就消除了一整类错误。不需要更好的记忆，不需要更强的模型，只需要想清楚工具该怎么暴露。
这就是 Harness 工程的威力。
MCP 和 A2A 的标准化信号
2024-2025 年，两个协议的出现标志着产业界意识到 Harness 层的重要性：
- MCP（Model Context Protocol）：标准化 Agent 如何访问工具和数据
- A2A（Agent-to-Agent Protocol）：标准化 Agent 之间如何通信
这两个协议不是在解决"模型怎么更聪明"，而是在解决"Agent 如何更好地与环境互动"。它们本质上都是 Harness 工程的标准化工件。
六、结论：先修路，再建博物馆
我不是在否定记忆系统。记忆是必要的。SOAR 说得对，任何通用智能系统都需要记忆。今天的产品也确实从记忆中受益。
我想说的是两件事：
第一，记忆的收益正在递减。 检索式记忆有坚实的理论天花板。你可以继续优化你的 RAG 管道、调参 HNSW、尝试不同的 chunk 策略——但 PR 矛盾不是"优化参数就能解决"的工程问题，是结构性的约束。
第二，Harness 工程是被忽视的更大杠杆。 好的工具设计、清晰的反馈信号、可靠的状态控制——这些给 Agent 带来的增益可能远大于更好的记忆。Andrew Ng 的 95.1% 和 Anthropic 的 ACI 实践都在指向这个方向。
如果要用一个比喻来总结：
记忆是博物馆的展品。Harness 是通往博物馆的路。大部分人都在争论展品怎么摆放更漂亮，但真正决定你能看多少展品的，是那条路修得好不好。
SOAR 在 1987 年就看懂了这件事。它的 9 层记忆系统很漂亮，但真正让它"至今不过时"的，是那个将记忆、决策、执行、学习整合在一起的闭环架构——也就是它对自己的"环境"（包括记忆环境）的完整管理。
30 年过去了，我们还在卖"记忆系统"这个概念。也许该往前看了。