AIAgent记忆反常识:别提前写总结,用的时候再现场整理
Agent 记忆不好用，多半是整理的时间点太早：存的时候根本不知道将来怎么用。Salesforce 这篇论文把整理推迟到用记忆的那一刻，没训练过的 8B 小模型就赢了 GPT-5.4 的写时记忆法。
一个从没训练过的 8B（80 亿参数）小模型，在家务考场 ALFWorld 上赢了 GPT-5.4 亲自写的总结：79.3% 对 77.9%。这是 Salesforce AI Research 的 Yefan Zhou、Yang Li 等人 9 月23 日挂出的论文《Just-in-Time Memory》里最扎眼的数字。他们只改了一件事：把整理记忆的时间点，从记完笔记那一刻挪到用记忆那一刻。笔记记得更勤的 Agent，新任务就一定做得更漂亮吗？论文给的答案是未必。
毛病出在哪？看看今天 Agent 记忆的通用做法：任务一结束，立刻把这段经历蒸馏成总结、工作流或者技能存起来。这个动作有个名字，叫写时整理。它赌的是当初蒸馏出来的东西，恰好就是以后需要的东西。可写完总结那一刻，谁知道几个月后是哪个任务来用它？
一、三个考场，一份成绩单
怎么验证？论文摆了三个考场：ALFWorld 的 140 道文本家务题，WebShop 的 500 单模拟网购，τ²-bench 的航空、零售、电信客服对话。执行模型换了三个：Qwen3-8B、Gemini-2.5-Pro、GPT-5.4。
先看最小那档的成绩。Qwen3-8B 当执行模型，ALFWorld 上 JitMem 拿到 77.4%，比同组最强的写时方法 SkillOS 的 61.2% 高 16.2 个百分点；WebShop 上无记忆基线只有 9.8% 成功率，JitMem 拉到 32.8%，翻了 3 倍还多。
成本账也有意思：别人每次往上下文塞上万 token 的总结（token 是模型阅读量的计费单位），ReasoningBank 塞 19.7K，SkillOS-base 塞 22.4K；JitMem 只多塞 1.9K，平均步数还从 17.8 降到 11.6。记的东西更少，干活却更利索。
二、记忆的价值，由用它的任务决定
一条记忆值多少钱，要等用它的任务来了才算得出来。
论文的做法很直白。存的时候不做任何蒸馏，原始轨迹一字不改留着；等新任务来了，检索器捞回最相关的几条原始记录，整理器把任务和记录放在一起读，现场剪一份只服务这道题的简报。
[来源：arXiv:2609.27334 Figure 1]
这就是我想给你的那个类比：别人的记忆是下课当晚写好的课堂总结，JitMem 是把上课录音原样存着，等考前一晚知道考什么题型，再现场剪一张小抄。总结只能写一次，录音又能剪多少次？
这条路其实已经走了三年。从 2023 年 Reflexion 的口头反思，到今年 ReasoningBank、SkillOS 用强化学习训练"怎么写总结"，大家都在写时整理上使劲。JitMem 头一回把整理动作整体挪到读时。
三、同一段录音，两张小抄
看一个具名例子。Agent 曾完成"把凉鸡蛋放进微波炉"，完整记录入库。后来两个新任务同时找上门，"把热土豆放进冰箱"和"把报纸放到沙发上"，检索回来的都是同一条记录。
整理器给两个任务剪出了不同的流程：前者是加热降温，土豆加热再送冰箱；后者是寻找放置，从桌面拿起报纸移到沙发。同一段经历，两张小抄，各自踩中自己的考点。
[来源：arXiv:2609.27334 Figure 3]
放到客服场景，这个能力直接换成分数。τ²-bench 电信域规矩多、步骤长，JitMem 把成功率从最强基线的 61.6% 拉到 72.6%，涨了 11 个点。
航空和零售两个域呢？包括 JitMem 在内所有记忆方法都没比无记忆稳出多少。作者直接写了：程序性强的场景才吃整理这一套，纯查事实的场景不吃。
四、省下来的不只是分数
训练侧还有一笔巧账。写时整理做强化学习有个头疼处：今天写的总结有没有用，要等很多个任务之后被检索到才知道，奖励隔着好几道题。JitMem 的简报当场被当前任务消费，成没成就是即时奖励。
用 GRPO（一种强化学习训练法）把整理器训练一遍，WebShop 成功率从没训练时的 11.7% 涨到 32.8%。更实惠的是整理器能搬家：用 Qwen3-8B 当执行模型训练一次，直接搬去给 GPT-5.4 用，拿到 86.7%，离用 GPT-5.4 重训只差 1.4 个点。
拆件对照实验还堵了一个怀疑：清空检索记录让训练过的整理器裸奔，分数掉回没训练的水平以下。它学的确实是蒸馏别人经历的手艺，没有偷偷背题的痕迹。
[来源：arXiv:2609.27334 Figure 4]
五、AI 刚学会人类早就在做的事
这篇论文戳中我们一个共同的时间偏见：总以为经验的价值在产生那一刻就定死了，于是急着总结、急着归档。我自己的感受是，复盘当晚写的总结，隔段时间换个新项目翻出来，能直接套上的没几条，有用的部分都得对着新场景现场重剪一遍。
人类的记忆早就这么工作了。心理学家近百年前就确认，回忆是重建，每想起一次就按当下的场景和目的重组织一次，记忆越用越被改写。AI Agent 花了三年学记笔记，现在才开始学回忆。
如果记忆真该在用的那一刻才整理，那我们手里那些经验和 SOP（标准流程文档），有多少是写得太早的总结？
英国心理学家巴特利特在 1932 年的《Remembering》里写：记忆是一种想象性的重建。