每个智能体记忆系统都用召回率做基准，却几乎没人检查记忆是否仍然真实

召回率是每个智能体记忆系统都会报告的指标：命中率、Token 节省、恢复的上下文。但这些都不能告诉你真正让智能体在生产环境中崩溃的问题：它刚刚召回的事实是否仍然为真。一个返回“曾经正确、现在错误”的事实的记忆，比没有记忆更糟糕，因为智能体会带着完全的信心去行动。假设你在六个月前存了“生产数据库主机是 db-prod-03”。基础设施已经迁移。存储仍然召回 db-prod-03，智能体对一台已不存在的机器执行迁移，而召回步骤中没有任何机制知道这个事实已经过期。因此，我们构建了一个小基准，专门针对一件事：过时条件下的正确性——当真实值发生变化后，记忆是否返回当前的真相。可复现的方法如下：冻结一组事实任务（服务主机、版本、区域、负责人）。将每个事实作为一条语句写入记忆。随时间改变真实值，并将每次变化作为新的观测输入。查询当前值，并按当前来源打分。50 个事实中，有 40 个至少变化过一次。在这 40 个事实上： 记忆模式 返回当前真相 返回过时值 仅追加向量存储（按相似度 top-1） 32% 68% 普通键值存储，按实体覆盖 100% 0% 向量存储每次都能检索到正确的实体，但它完全没有“新事实取代旧事实”的概念，因此相似度排序三次中有两次会把过时版本交回来。对检索按新近度加权减少了过时命中，但开始返回关于错误服务的最新事实，相当于用另一个错误换掉一个错误。把这种新近度限定在实体范围内，你就等于重建了覆盖式存储。差异从来不在存储本身，而在于一个变化的事实是否会让旧事实失效。“过时条件下的正确性”能捕捉到这一点，而几乎没有人去衡量它。在智能体基于过时但自信的记忆行动之前，你是如何发现它的？