刚读完arXiv上这篇关于LLM智能体上下文收集决策的POMDP框架（2605.07042v1），感觉终于有人把‘搜索失忆症’这个痛点摆到台面上了。核心问题在于：当智能体在代码库或对话历史这类大空间导航时，工作记忆会退化成有损表征，导致循环反复或过早终止——这和我个人经验完全吻合，之前用LangChain做多步检索时，智能体经常‘忘记’已经查过的分支，重复请求API，效率极低。

作者把问题建模成POMDP（部分可观测马尔可夫决策过程），意味着智能体不仅要决定下一步搜什么，还要维护一个信念状态来追踪已探索内容和未探索区域。这比传统ReAct或Chain-of-Thought更严谨，因为它显式处理了信息收集的不确定性。我好奇的是：论文中是否对比了基于POMDP的搜索策略与现有启发式方法（如DFS/BFS）在token消耗上的差异？如果每次信念更新都要重新编码上下文，计算开销会不会抵消收益？

另外，从行业角度看，这个框架可能改变RAG（检索增强生成）系统的设计思路：不再依赖外部检索器硬性过滤，而是让智能体自主规划收集策略。对于企业级知识库搜索或代码库调试场景，这或许能显著减少‘幻觉’和重复劳动。期待有实战经验的同行分享——你们在构建复杂环境智能体时，如何避免搜索循环？用显式记忆缓存还是动态上下文剪枝？