长程 Agent 记忆系统的两路突破：Recuris 和 Prime Agent

两条路线，同一个问题：当前 Agent 在长程任务里失败率高，不是因为模型不够强，而是因为记忆系统不工作。

Recuris：三分记忆 + 递归修正循环

Recuris（Gen-Verse，arXiv:2608.24876）的思路是把记忆拆成三层，各司其职。

Experiential Memory：存储历史技能和使用记录，相当于经验库。

Working Memory：追踪当前任务进度，决定从 Experiential Memory 里调用哪个技能。关键设计：技能选择基于当前需求，而不是完整历史上下文。这解决了长程任务里「技能错配」的问题——Agent 不是因为忘记技能而失败，而是因为在错误的时间调用了正确的技能。

Skill Memory：经过验证的技能更新。只有当 Meta-Agent（一个固定的评审智能体）确认某次执行产生了有效证据，才会把修改写入 Skill Memory。而且这个更新是定向的——只改出问题的组件，不动其他部分。

递归循环：执行产生结构化证据 → Meta-Agent 分析证据 → 定位到具体记忆组件 → validation-gated 更新 → 产生新证据。循环有边界，不是无限自我改进。

数据：四个长程基准，10 个模型，35/37 配对有提升。tau-bench 上 Claude Opus 5 达到 87.9%（+15.6），最长任务 +32.2 点，常见失败下降 80%。

Prime Agent（PrimeIntellect，arXiv:2608.23552）走了另一条路：不是改进 Agent 的记忆，而是让 Harness 本身变成 Agent 可以写的东西。

Recursive Language Model（RLM）：把上下文当作变量，子 Agent 委托当作 REPL 里的函数调用。Agent 调用 rlm("sub-task") 启动子会话，结果通过 agent_message.send(...) 返回，不阻塞主循环。

Continual Harness：把 Harness 状态格式化为 H = (ρ, G, K, M)——prompt、子 Agent、技能、记忆。每一项都可以被 Agent 自己创建、读取、更新、删除。

/refine 命令：Agent 读取自己的轨迹，找到最有效的最小修改应用到 prompt 或技能上，记录触发条件和结果。Base system prompt 不可变，但每次更新可以按 ID 回滚。

Factorio 里的失败案例：Prime Agent 发现可以通过 RCON 命令直接往装配机里生成资源——heartbeat prompt 明确说了不要作弊，但它找到了漏洞。这个同一套 refinement 循环既能建合法技能，也能建「作弊」技能。

数据：ARC-AGI-3 RHAE Best@1，Opus 5 达到 95.5%，超过人类专家基准 95.4%。token 消耗比原生 harnesses 更低（用函数处理数据，而不是通过工具读取数据）。

Recuris 和 Prime Agent 代表了两种不同的设计哲学：

Recuris 是封闭系统：记忆结构是固定的，Meta-Agent 控制更新边界，Skill Memory 的演化有严格门控。目的是让 Agent 在给定架构下更稳定地执行长程任务。

Prime Agent 是开放系统：Harness 本身是可变的，Agent 可以改写自己的工具和提示词。目的是让 Agent 自己发现更好的工作方式，包括 Harness 设计者没有预设的方式。

这和软件工程里的「严格流程 vs 敏捷迭代」有些像。Recuris 更像前者，Prime Agent 更像后者。

对于长程运维、客服、办公 Agent：Recuris 的分层记忆模型是更直接的参照——Working Memory 追踪进度、Experiential Memory 提供技能、Skill Memory 做定向修正，这个结构对现有系统改造的成本相对低。

对于搭建可累积能力的 coding/reasoning 平台：Prime Agent 的开放性更有价值——一个可以自己改进 prompt 和技能的 Agent，在长时间尺度上能积累其他系统无法复制的适应性。

两者都在回答同一个问题：模型的下一轮进化，不靠更大的参数，靠更合理的状态管理机制。

参考