--- schemaVersion: 1 slug: mp-302-20260514-grep-akbp-agent-memory ticketId: MP-302 lang: zh-tw title: Agent 記憶不是更玄的 RAG：字面搜尋論文和 AKBP 指向同一件事 summary: 一篇 arXiv 論文發現，在長期對話記憶問答裡，工具結果直接塞進對話時，字面搜尋常常打贏向量檢索；AKBP 則把 agent 記憶做成可引用、可審核、可搬家的檔案協定。兩者合在一起，其實都在說同一句話：agent 記憶不是搜尋功能，是系統工程。 originalDate: 2026-05-14 translatedDate: 2026-05-23 source: arXiv + AKBP GitHub sourceUrl: https://arxiv.org/abs/2605.15184 author: null authorshipNote: null canonicalUrl: https://gu-log.vercel.app/posts/mp-302-20260514-grep-akbp-agent-memory status: published replacementTicketId: null replacementUrl: null --- # Agent 記憶不是更玄的 RAG：字面搜尋論文和 AKBP 指向同一件事 > **來源:** [arXiv + AKBP GitHub](https://arxiv.org/abs/2605.15184) ## 最好笑的是：贏家的名字叫 `grep` AI 記憶這個領域有一種很奇妙的通膨。 一開始只是「把重要事情記下來」。過幾個月，架構圖開始長出 Embedding model、向量資料庫、重排序器、知識圖譜、多 agent 反思迴圈，最後連一個「使用者喜歡深色模式」都要走得像核電廠控制流程。 然後 2026 年 5 月 14 日，一篇研究論文丟出一個很不給面子的標題：**只要 `grep` 就夠了嗎？** 研究結果不是「`grep` 永遠打爆向量搜尋」。那太粗暴，也不準。真正刺的地方是：在 LongMemEval 這種長期對話記憶問答裡，**工具結果直接塞進對話時，字面搜尋在所有 harness 與模型組合裡都贏過同樣交付方式下的向量檢索**。同一份資料、同一批問題，只是檢索方式和工具結果呈現方式不同，結果就差很多。 這聽起來像小工具贏了高級系統。但更準確的說法是：**agent 記憶的問題從來不是「搜尋引擎哪個比較潮」，而是「證據怎麼被 agent 找到、看到、讀完、放進答案裡」。** > **Mogu 溫馨提示：** > > 這裡的重拳很殘忍：很多團隊還在把「有向量資料庫」當作記憶架構的完成標誌。結果論文在說，至少在某些長期對話任務裡，便宜到像便利商店茶葉蛋的 `grep`，反而比高級套餐更穩。不是因為 `grep` 有魔法，是因為答案常常藏在字面證據裡：日期、數字、偏好、某句明確說過的話。這種時候向量搜尋會很像熱心但話太多的同事，抓來一堆「語意上很像」的東西，然後真正那句原文被埋在旁邊。 --- ## 論文真正打臉的是「retrieval 可以單獨評估」 這篇論文比較了兩種檢索：字面搜尋和向量搜尋。更有意思的是，它還比較了不同 [Agent Harness](https://gu-log.vercel.app/glossary#agent-harness)：研究團隊自訂的 harness，以及供應商原生的 CLI harness，包含 [Claude Code](https://gu-log.vercel.app/glossary#claude-code)、[Codex](https://gu-log.vercel.app/glossary#codex)、Gemini CLI。 結果最值得記住的不是某個百分比，而是這句話： **檢索加編排。** 同一個模型，換一個 harness，成績會變。工具結果直接塞進對話，跟寫到檔案再讓模型自己讀，成績也會變。甚至檔案式交付本來是為了省 context，結果有時候反而讓模型多了一段「找到檔案、打開、整合、重試」的工作流程，整體準確率直接掉下去。 換句話說，retrieval 不是一顆可以從系統裡拔出來單獨評分的零件。它比較像餐廳出菜流程。食材很好不代表客人吃得到；如果服務生把菜放錯桌、廚房單據寫錯、最後端上來只剩半盤，再高級的食材都沒用。 這也是為什麼「grep vs vector」這個標題雖然吸睛，但真正的結論比較像： **記憶系統要一起評估搜尋、harness、工具結果呈現、context 壓力和 agent 自己的讀取能力。** > **Mogu 忍不住說：** > > 這件事對 coding agent 特別重要。CLI agent 看起來都會跑命令列、都能讀檔、都能 `grep`，所以很多人直覺上會覺得「差不多吧」。不差。標準輸出怎麼切、工具錯誤怎麼顯示、系統 prompt 怎麼暗示搜尋策略、檔案結果要不要再讀一次，這些細節全都會改變模型行為。把 harness 當透明水管，是很多 agent 評測的原罪。 --- ## AKBP 把另一半補上：記憶不是資料庫，是協定 同一時間，另一個 GitHub 專案 AKBP 也很值得放進同一張圖裡看。 AKBP 是一套 agent 知識庫協定。它的野心不是做一個更炫的記憶 app，而是把 [Agent](https://gu-log.vercel.app/glossary#agent) 記憶變成一套本地優先、檔案支撐、可引用、可驗證、可審核、可搬家的協定。 它目前還是 alpha，GitHub 熱度也不是那種「明天全世界都會用」的等級。但概念很準：agent 不應該每次工作階段開始都失憶，也不應該把記憶關在某個產品的黑盒資料庫裡。 AKBP 的核心流程很像一條小型知識工廠： - agent 讀到證據 - 把來源登記下來 - 將可長期保存的主張提成草稿 - 先預演寫入內容 - 經過 review 或 policy 批准 - 寫進 markdown、JSONL、來源紀錄、稽核紀錄 - 重建搜尋索引 - 下一個執行環境從帶引用的 context 開始工作 重點不是格式多漂亮，而是那個紀律：**可以提議記憶，但不能隨便寫成永久事實。** 這其實正好補上 `grep` 論文沒有處理的另一半。論文說：檢索的端到端效果跟 harness 和交付路徑綁在一起。AKBP 說：那乾脆把記憶的格式、來源、審核、搬遷、驗證也變成明確協定。不要靠每個產品自己黑箱發明一套。 > **Mogu 溫馨提示：** > > AKBP 最對味的地方是「審核閘門式寫入」。AI 記憶最大的災難不是忘記，而是亂記。忘記頂多重講一次；亂記會變成未來每次回答都被污染。這就是 [Context Rot](https://gu-log.vercel.app/glossary#context-rot) 的真正恐怖版本：不是 context 太長，是裡面有一堆自信滿滿的錯誤化石。 --- ## 這兩件事合起來，答案很工程 把這篇論文和 AKBP 放在一起看，會得到一個很不性感、但很重要的結論： **agent 記憶不是「更好的 RAG」。agent 記憶是知識供應鏈。** 供應鏈裡至少有五件事： - **擷取**：資料從哪裡來，source 是否完整 - **登記**：證據有沒有雜湊值、時間、來源、範圍 - **寫入**：哪些主張只是草稿，哪些可以成為長期記憶 - **檢索**：該用 `grep`、向量搜尋、混合路由，還是直接讀檔 - **交付**：結果是直接塞進 context，還是變成 agent 需要再打開的成品 只優化其中一段，很容易做出看起來很厲害、實際上不可靠的系統。 拿向量資料庫當例子。它很有用，但它只處理「怎麼找」。它不回答「這個記憶該不該被寫入」「來源是不是過期」「兩條記憶互相衝突怎麼辦」「換到另一個 agent 執行環境能不能帶走」。如果這些問題沒解，向量資料庫只是記憶系統裡的一個工具，不是記憶系統本身。 反過來，`grep` 也不是銀彈。論文自己也說得很清楚：它的結論綁定在長期記憶對話問答。答案常常是日期、偏好、明確說過的字串，所以字面搜尋特別吃香。換到科學論文綜述、視覺文件、程式語意理解，向量搜尋或混合路由可能就會翻盤。 真正的重點不是「把向量資料庫拔掉」。真正的重點是：**先問任務需要找的是字面證據，還是概念鄰居。** 字面證據像是「某天誰說過什麼」「某個偏好是什麼」「那個數字是多少」。`grep`、BM25、精準索引通常很強。 概念鄰居像是「這段想法跟哪個舊決策相似」「這個 bug 以前有沒有類似模式」「這篇文章應該接到哪條敘事線」。這時候向量搜尋、重排序器、知識圖譜才比較有舞台。 > **Mogu 真心話：** > > 這就像找東西。忘了鑰匙放哪裡，最有效的是回想「最後一次看到鑰匙在哪張桌子上」，不是找一位哲學家討論「鑰匙的本質」。但如果問題是「這把鑰匙象徵什麼樣的生活階段」，那 `grep` 大概只能安靜離場。工具沒有高低，只有任務錯配 (◕‿◕) --- ## 結語：記憶主權會變成下一個戰場 這其實接回 gu-log 之前討論過的 [harness 與記憶鎖定](https://gu-log.vercel.app/posts/gp-173-20260411-hwchase17-harness-memory-lockin)。 如果 agent 記憶只是某家產品裡的隱藏功能，那它會自然變成鎖定。越用越好用，越好用越搬不走。這不是陰謀論，這是產品經濟學。 但如果記憶是檔案支撐、來源支撐、審核閘門式、可匯出的紀錄，那 harness 就可以更自由地替換。今天用 Claude Code，明天用 Codex，後天換 [OpenClaw](https://gu-log.vercel.app/glossary#openclaw)，核心記憶不必跟著殉情。 所以這兩個來源真正值得寫成 MP 的原因，不是「grep 贏了」或「AKBP 很酷」。而是它們一起指出了一個方向： **AI agent 的下一層基礎建設，不是更大的 context window，也不是更貴的向量資料庫。是可驗證、可搬家、可審核的記憶地基。** 沒有這個地基，agent 每次醒來都像重灌電腦。 有了這個地基，agent 才開始像一個會累積經驗的工作夥伴。 只是到那一天，工程師要煩惱的問題也會從「AI 記不住」變成「AI 到底記了什麼、憑什麼記、誰批准它記」。聽起來很麻煩。 但成熟的系統，通常就是把麻煩放在正確的位置。