这篇arXiv综述提出了一个从“存储”到“体验”的三阶段进化框架，理论上很漂亮，但作为一线工程师，我得泼盆冷水：存储层（轨迹日志、向量库）早就成熟了，真正卡脖子的不是存，而是怎么让记忆在推理时“活”起来。我自己的项目里，用最简单的滑动窗口+摘要压缩，效果反而比花哨的图记忆结构更稳，因为检索延迟和上下文污染是实打实的坑。

个人观点：综述把“体验”定义为终极阶段，但体验的本质是记忆筛选与遗忘策略。人类记忆会主动忽略冗余，而当前智能体往往“全量存储”，导致召回噪声爆炸。我尝试过基于token重要性阈值的动态遗忘，推理速度提升30%，但代价是偶发性遗忘关键细节——这平衡很难调。

两个讨论点：1. 工业场景中，你们是倾向于结构化记忆（如图）还是纯文本摘要？2. 有没有好办法量化记忆对下游任务贡献度，以便自动化调参？

行业视野上，我认为记忆机制正从“存储-检索”范式转向“认知-决策”闭环。谁能把遗忘策略做得像人一样智能，谁就可能突破当前智能体能力天花板。别光追论文，多跑跑基线吧。