Meta AI 用第二个智能体充当「记忆教练」，防止长任务中的行为状态衰减

在执行复杂的长任务时，AI 智能体面临一个隐蔽但严重的问题：随着任务历史不断增长，关键状态信息会被淹没在庞大的上下文窗口中，甚至完全丢失。智能体可能在任务早期识别出某个约束条件，却在修复无关错误时违反它；看到某条命令失败后，不久又尝试几乎相同的版本；或者将已诊断过的错误模式当作全新问题重新处理。Meta AI 将这种现象命名为「行为状态衰减」，并指出仅仅给智能体提供更长的历史记录并不能从根本上解决问题。

为应对这一挑战，Meta AI 研究团队设计了一套双智能体记忆架构。系统将一个未经修改的「行动智能体」与独立的「记忆智能体」配对运行。记忆智能体在固定时间间隔内审查最近若干步骤的滑动窗口，更新结构化记忆库，并决定是否向行动智能体的下一次调用中附加简短提醒，或选择保持沉默。研究人员强调，该模块可作为即插即用组件与现有智能体框架兼容，且记忆智能体只提供基于记忆的提醒，而非更广泛的策略建议。

记忆库由三个部分构成：私有状态字段用于追踪进度和潜在风险，不对行动智能体开放；知识记忆存储需求、文件路径和配置等稳定事实；程序记忆则记录智能体尝试过的操作及其结果，包括失败的命令、成功的修复和被否定的假设。在每个记忆步骤中，记忆智能体只能通过预定义的工具调用更新记忆库，而非自由覆写内容，随后决定是否激活某条存储状态并写入针对性提醒。选择不干预本身也是策略的一部分。

研究团队在 Terminal-Bench 2.0 和 tau2-Bench 两项基准上验证了该系统的效果。以 Claude Sonnet 4.5 作为行动智能体时，Terminal-Bench 的首次尝试成功率从38%提升至46%；tau2-Bench 的任务加权平均分从55%升至62%。不同领域的提升幅度存在差异：航空和零售任务各提升约10个百分点，而电信任务仅提升3个百分点。研究人员认为，这种不均衡的增益表明记忆智能体会根据任务特点调整干预频率，而非套用固定规则。

消融实验进一步揭示了各组件的贡献。当行动智能体在每一步都接收完整记忆库时，性能反而低于完整系统；去掉「沉默」选项、每步都强制返回记忆的版本虽具竞争力，但跨领域的增益一致性较差；没有持久记忆库的顾问式版本在部分场景中甚至损害了性能。结合持久记忆库与选择性提醒的完整设计表现最佳，并优于通过搜索检索记录的生产级记忆层 Mem0。

研究团队还探索了将干预策略迁移至开源小模型的可行性。在保持大型行动模型冻结的前提下，对 Qwen3.5-27B 进行监督微调后，其作为记忆智能体的性能损失得以恢复，后续的强化学习进一步改善了其召回时机的判断能力。Meta AI 同时列出了若干开放问题，包括记忆智能体与行动智能体的联合训练、按需触发记忆而非依赖固定调度，以及何时使用字面记忆优于任务特定抽象等。相关代码已在 GitHub 上开源。

要点

• Meta AI 提出「行为状态衰减」概念，指出 AI 智能体在长任务中会遗忘已识别的约束和错误模式，仅扩展上下文长度无法根本解决该问题。
• 双智能体架构的核心创新在于「选择性干预」：记忆智能体不仅决定存储什么，更决定何时提醒、何时沉默，过度提醒同样会降低性能。
• 在两项基准测试中，该系统使较弱行动模型的任务完成率最高提升8.3个百分点，对更强模型同样有正向增益，证明其价值超越单纯的能力补偿。
• 消融实验表明，持久记忆库与选择性提醒的组合缺一不可，任何单一组件的移除都会导致性能下降或不稳定。
• 通过监督微调和强化学习，干预策略可迁移至参数量更小的开源模型，为低成本部署提供了可行路径。