这篇综述提出的三阶段进化框架（存储-体验-认知）直击当前LLM Agent的软肋。从技术角度看，第一阶段的“存储”基本是RAG与向量数据库的堆叠，本质仍是传统记忆系统的工程化；而第二阶段“体验”开始引入强化学习中的经验回放，但缺乏对长期依赖的建模。个人经验来看，目前大多数开源Agent项目（如AutoGPT、MetaGPT）都卡在“存储”阶段，记忆检索的准确率不足60%，导致多轮对话中频繁产生幻觉。真正有价值的突破在于第三阶段“认知架构”——类似MemGPT的层级记忆管理，通过压缩与遗忘机制模拟人类记忆衰减，但论文尚未给出具体的损失函数设计。这让我想起早期推荐系统从协同过滤演进到深度学习时的范式迁移。值得讨论的两个问题：1）当前记忆机制是否过度依赖显式存储而忽略了隐式知识蒸馏？2）认知架构中“遗忘”的触发条件该如何数学建模——是时间衰减还是语义冲突？行业趋势上，记忆机制将推动Agent从“单轮工具调用”向“持续学习系统”跃迁，但若无法解决记忆污染和灾难性遗忘，智能体永远只能是“金鱼大脑”。