智能体是否需要与知识库分离的“大脑”？

AI代理一直困扰我的一点是，它们总是在重新发现相同的东西。你让代理去查阅文档、代码、笔记、会议记录等等。它找到了答案。但几天后，它又得重复完全相同的检索和推理过程。😓人类并不是这样工作的。我最近在思考的一个有用的思维模型是：**知识库是图书馆。** **记忆是大脑。** 图书馆存储信息。大脑存储理解。当你从一本书中学到东西后，不会每次有人问你相关问题时都重新读一遍整个图书馆。你会复用你已经学到的东西。代理可能也不应该每次都重新发现一切。这让我开始思考，我们是否在知识库和记忆之间划错了边界。 很多代理记忆系统专注于存储事实、偏好或对话历史。但如果记忆也存储可复用的理解呢？例如，代理花时间搜索文档、比较来源并弄清楚某件事后，可以保存提炼出的见解，而不是让未来的运行重复相同的检索过程。在那个模型中：* 知识库仍然是事实来源 * 记忆成为可复用的理解层 另一个我觉得有用的类比：**知识库是MySQL。** **记忆是Redis。** MySQL仍然是事实来源。Redis的存在是因为重复计算或重读同一内容代价高昂。代理记忆也类似。如果代理已经花时间理解文档、比较选项并得出结论，那么其中的一些理解很可能可以复用，而无需每次都从头重建。 我一直在名为 **Little Heta** 的副项目中实验这个想法。工作流程大致是：heta insert ./project-docs heta query “我们的部署架构是如何工作的？” heta remember “我们决定使用Postgres。” heta recall “我们选择了什么数据库？” 我通过简单的技能集成将其与Codex和Claude Code一起使用。 我更感兴趣的一个更广泛的问题是：**如何让智能体在数周或数月内积累有用知识，而不是每次会话都从头开始？** 好奇其他人对此怎么看。😆