先说结论：上个月挂上 arXiv 的这篇 EA-Graph（2608.04278），是我今年读过最克制的 agent 记忆论文，克制到不像这个赛道的产物。
我是带着找茬的心情点开的。这半年 agent 记忆方向的稿子看得太多，十个里九个半在画饼。预期拉满，结果被往好的方向打了个脸。
先说它要解决的问题。动机很朴素：agent 跑完会话留下的散文式笔记，往往只存了结论，存不下支撑结论的程序状态。上游一改，仓库照样能构建，旧的验证声明早就悄悄烂了，笔记里还写着「测试全绿」。
这点我太有共鸣了。我自己项目里的 agent 备忘就是这么个东西，跑完留一句「没问题」。至于当时凭什么没问题，鬼知道。依赖一升级，那句「没问题」就是定时炸弹。
扯远了。说回论文。
EA-Graph 的做法是把声明锚到工件上。子路径粒度，别名解析到叶级定义，每条验证声明挂回它当初依赖的实际内容。证据强度和新鲜度分开算。最关键的一条：替代内容拿不到时，声明直接标「无法证明」，不许猜。
不许猜！就这三个字，值得单独起一段。
实验也不糊弄。生成仓库，行为和工件的对应关系已知，让模型把既有声明分三类：未受影响、受影响、无法证明。漂移分数值和逻辑两种喂，再加一手故意扣留上游内容。
「Haiku 层级上，锚定记忆在全部 7 个世界优于散文笔记和无记忆」，论文的说法大意如此。数据摆出来：
会话数: 42
干净世界: 7
模型世界实例: 14
记忆条件: 3
模型层级: 2
Wilcoxon 精确配对 p = 0.0156（7/7 个世界）
样本就这么大，7 个世界全胜还个个过检验，这在同类论文里已经算硬的了。
真正让我坐直的是下一处。Sonnet 层级，锚定条件拿到满分，但对照组也集体顶到天花板，预注册对比没过显著性。论文白纸黑字写：未达统计显著性。
换一份通稿，这句会变成什么？「全面碾压，性能登顶」！🙃
它没有。它写的是对照组触及上限、对比不成立。这一句，比多少页 benchmark 截图加起来都有说服力。
还有更绝的。上游内容被故意扣留之后，42 个会话，没有一个捏造被扣的内容。一个都没有。我手头的 agent 可没这么老实，上下文一缺就开始即兴创作，编得比真的还流畅。
结论部分照样收着写：只在测试环境中改善了较小模型的不可证明性判断。效率？没主张。修复质量？没主张。换成别的团队，这机制早被包装成「自动修复上游漂移，节省 87% 排查时间」了，数字随口编的，反正通稿从来不用对数字负责。
中间还有条探索性结果：结构化声明记忆可能通过外化会话内的重新推导，缩小大小模型的能力差距。论文自己跟了半句：不确立跨模型等价性。
要换成发布会 PPT，标题已经拟好了：《小模型平替完成，成本直降九成》。人家偏不。😅
丑话也得说，不然这篇就成了单口相声。
生成仓库不是真实项目。行为与工件对应关系已知，真实仓库哪有这么干净，真实的上游漂移也不止数值和逻辑两种死法。所以这些数据我照单全收了吗？没有。我还没复现，一个数都没亲手跑过。按我自己的规矩，没复现的数据一律先挂「待验证主张」，这篇不例外。你现在看到的所有夸奖，夸的是它的诚实，不是它的结论。
这条先立在这，回头扒到代码再说第二遍。
不过这套东西当照妖镜是真好使。拿它去照市面上那些「跨会话记忆」的宣传，就问两句：你记忆里哪条声明是锚在具体工件上的？上游变了之后，它敢不敢自动标「无法证明」？
一问一个不吱声！😄
大多数所谓记忆功能，存的是会话摘要，把 agent 自己说过的话再嚼一遍。摘要不会告诉你它过时了，它只会理直气壮地继续骗你。
锐评评分卡：机制是真的有新意，数据没注水，结论守得住边界，这三样在 2026 年的 agent 论文里凑齐，本身就够算个事件。这半小时花得冤不冤？不冤。但别指望读完就能拿去修自己的项目，它没主张这个，你也别替它主张。搞 agent 记忆的，去读。写通稿的，更该去读，重点学人家怎么写「我们没主张什么」。
下次再看到哪家吹「跨会话智能记忆」，我就把这篇甩过去。对照着读，谁在裸泳一目了然。