我们这代人被反复灌输一个观念：AI用得越久越好用，因为它"记得"你的习惯、你的项目、你的偏好。长期记忆，一度是所有Agent产品的卖点。
但微软研究院10月5日挂上arXiv的一篇论文，把这个观念掀了个角。论文题目叫《Fork-and-Flush: Escaping Idea Basins in Autoresearch Agents》，36氪、腾讯新闻这两天的中文报道给它起了个更直白的标题——Agent的"长记忆"可能是毒药。我把论文报道从头到尾扒了一遍，发现这事跟每个天天跟AI聊天的人都有关系。
AI不是记性差，是钻进牛角尖出不来
研究者盯上的是那种"自动做研究"的Agent：提方案、跑实验、看分数、再改方案，一轮接一轮连轴转几个小时甚至几天。他们让同一个Agent在同一个任务上独立跑了八次，按理说结果应该差不多。实际呢？最终分数从68.3排到100.0，中位数81.9，最差和最好差了30多分——同一个AI，同一个题，八次跑出八种命运。
更扎心的是，砸算力救不回来。给跑得差的那几次追加计算，它们就在原地打转。
为什么？团队把每次运行产出的方案按"功能相似度"画成一张地图，发现每次运行的方案都缩在一小块区域里不动窝。他们管这叫"思维盆地"——八次运行掉进了五个不同的盆地，掉进哪个，就在哪个里打转到底。
报道里有个比喻特别形象：像一支装修队，第一天定了北欧风，之后买的每件家具都往北欧风上靠。哪怕地中海风其实更适合这个户型，他们也想不起来了，因为手机里存满了北欧风参考图。聊天记录，就是AI手机里那些参考图。
注意一个细节：这些Agent本来就有"自动压缩聊天记录"的机制，聊太长会自己总结再继续。但实测下来，光靠压缩摘要，还是跳不出盆地。也就是说，市面上那些"AI帮你把长对话总结成摘要"的功能，治标不治本。
微软的药方：留家当，烧日记
方法叫Fork-and-Flush，"分叉加清空"，拆开说就两件事：
分叉——把Agent复制成几个并行分支，每个分支继承完整的工作区：写好的代码、文件、实验结果，家当一件不落带走。清空——每个分支的聊天记录清零，别管之前怎么想的，看着现有的东西重新琢磨。跑一段时间后比分数，留最好的继续，其余解散。
效果是实打实的：在13个长周期任务上（拼图、车间调度、密码破译这些），同样的算力预算下，单跑的归一化平均分0.47，跑四次取最好0.54，Fork-and-Flush拿到0.78——比单跑高66.0%，13个任务里12个平均分最高。消融实验也有意思：只清空聊天记录不分叉，提升约22%；两个加在一起效果才好。
最戏剧化的是拼图任务：清空聊天记录后，胜出的那个分支第一步就跨出43个单位——而单跑的Agent到了这个阶段，每步最多挪4.4个单位。忘掉过去，反而跳进了全新的盆地。
论文还有一个更冷的结论：团队用Qwen3.5的三个尺寸验证，多次运行之间差异最大的位置，恰好在模型能力的边缘——大约"能做对一半"的地方。而真正值得研究的开放问题，按定义就挂在能力边缘上。所以模型再强，这个毛病也不会消失，只是牛角尖会挪到更难的问题上去。
普通人今天就能用上的三条经验
这篇论文看似在讲科研Agent，其实给所有AI用户递了一份免费的性能提升指南：
第一，长对话卡壳时，开新会话是最便宜的解法。 如果你让AI改一篇文章、写一段代码，改了几十轮越改越拧巴、它开始反复兜圈子——别恋战，新开一个对话，效果往往立竿见影。这不是玄学，论文里那个22%的提升，就来自"只清空、不分叉"这一个动作。
第二，带"结论"搬家，别带"过程"搬家。 开新会话前，让AI把当前有效的结论、要求、产出总结成一小段，你只把这段总结贴进新对话。工作区（文件、成稿）全部保留，聊天记录果断丢弃——这正是Fork-and-Flush的精髓：留家当，烧日记。
第三，别迷信"记忆越长越好"。 选AI工具时，比起"它能记住多少"，更值得关心的是"它能不能随时干净地重来"。我在spark1.cn的AI写作间（/ai-writer）里干活时也是这个习惯：一个选题卡住了，与其在旧对话里纠缠，不如把已写好的部分存下来，开个新会话只喂提纲和结论——你会发现AI的思路一下子打开了。
记忆是资产，这是过去两年AI圈的默认假设。微软这篇论文提醒我们：资产攒过了某个点，会反过来变成负债。人也一样——定期清空，轻装上阵，从来都不是遗忘，而是为了跳进更好的那个盆地。
评论