这篇综述提出的三阶段进化框架——从存储到体验，确实戳中了当前大模型智能体记忆机制的痛点。我个人经验中，很多团队还在第一阶段死磕存储效率，比如用向量数据库做长期记忆，但实际效果往往差强人意。关键在于，单纯存储轨迹或对话历史，缺乏对记忆的压缩、抽象和检索优化，导致智能体在长对话中频繁陷入上下文碎片化。
论文将记忆机制从操作系统工程与认知科学割裂的状态中拉出，提出统一视角，这点值得肯定。但我认为，真正突破在于从‘存储’到‘体验’的跨越：记忆不只是数据容器，更应模拟人类认知的遗忘曲线与优先级排序。例如，我曾在项目中尝试给记忆加时间衰减权重和情感标签，发现智能体在决策时引用相关记忆的效率提升约30%。
问题来了：1）当前主流方法（如RAG、记忆快照）在工业级场景下，记忆一致性如何保证？2）认知科学的遗忘机制能否形式化为可训练的参数化模块？从行业趋势看，智能体记忆的下一步竞争将聚焦于动态记忆管理，而非存储容量。谁能先解决记忆的‘遗忘与重构’问题，谁就可能主导下一代具身智能的架构设计。