智能体究竟需要多少内存？

你的智能体到底需要多少“记忆”？IBM研究揭示：记忆不是开关，而是剂量 大模型智能体（Agent）正在从“能聊天”走向“能干活”，但一个关键问题始终困扰着开发者和企业用户：给智能体配备“记忆”越多，它真的就越聪明吗？IBM研究院近日发布的一项大规模评测给出了一个反直觉的答案：智能体记忆并非越多越好，它更像是一味需要根据模型“体质”精确调配的药剂，而非一个打开即用的功能开关。 在这项名为ALTK-Evolve的研究中，IBM团队让智能体从自身过往的成功与失败轨迹中自动提炼行为准则（Guidelines），并在推理时将这些准则重新注入上下文，整个过程无需更新模型权重，也无需人工标注。研究团队将这一评测扩展到了八款模型，涵盖从300亿参数的稠密模型到顶级的闭源商业系统。结果发现，不同能力层级的模型对“记忆剂量”的反应截然不同，呈现出三种清晰的模式：拥有足够余量（Headroom）的强模型需要完整的准则集，包括那些罕见的边缘案例经验，例如DeepSeek-V3.2（671B MoE）在获得全部自挖掘准则后，任务完成率提升了9.5个百分点；而较小或较弱的模型则会被庞大的准则集“淹没”，它们更适合紧凑的高置信度核心准则加上按任务检索的少量相关准则，gpt-oss-120b（117B MoE）在这种选择性方案下任务完成率提升了16.1个百分点，而使用完整准则集不仅增益更小，还多消耗了约50%的Token；至于已经接近能力天花板的“饱和型”模型，额外注入记忆几乎看不到任何可测量的提升，GLM-5（745B MoE）就落在这个区间。 核心变化：记忆的“剂量”取决于模型能力，而非参数数量。IBM团队强调，决定一个模型落入哪种模式的因素远不止参数量，基准测试的余量、上下文窗口大小、模型架构、准则质量以及任务分布都在共同塑造最终效果。但无论背后的机理如何复杂，实践层面的结论已经清晰：为智能体配置记忆必须“看人下菜碟”。值得注意的是，经过优化的检索方案不仅能带来最高精度，同时也是最经济的选择——gpt-oss-120b在仅增加5%Token消耗的情况下就实现了16.1个百分点的任务完成率提升，而提示词缓存（Prompt Caching）技术则让即使是完整准则集在生产环境中的成本也保持在可控范围内。 对中国跨境电商卖家和AI应用开发者而言，这项研究的启示相当直接：如果你正在用大模型构建客服、选品分析或营销文案生成等智能体应用，不要盲目追求“给模型塞更多历史经验”。更务实的做法是先评估你所用模型的能力余量，再决定是注入全部准则、精选核心准则还是干脆不加。IBM团队表示，关于哪些因素具体决定模型落入哪种模式，以及如何更精准地预判最优记忆剂量，仍是他们正在推进的后续工作。在此之前，“剂量因人而异”或许就是智能体记忆配置最靠谱的黄金法则。