為什麼我們的 AI Agent 要睡覺：打造會自行更新的記憶

三月，你把測試環境伺服器的位址告訴一個 AI Agent。到了 六月，伺服器搬了，你又把新位址告訴它。一套只管收集的記憶，現在兩個位址都存著。第一個位址也不算錯；它當時確實是對的。但 Agent 偶爾會信心十足地選中它，像一個人給你指路去一家多年前就歇業的餐廳。

這就是大多數 AI Agent 記憶的問題。讓它記住一件事很容易。麻煩從記住的事過時那一刻才開始。

最後，我們在 Sno Station 裡做了自己的記憶功能。說實話，我並不特別想做。市面上已經有不錯的記憶工具，有些在 GitHub 上有數萬顆星，世界也不需要第十家記憶工具供應商。我們並不打算成為其中一家。但我們需要三樣東西，始終找不到一個能同時做到的工具。

一份記憶，供所有 Agent 使用

第一件事說起來很簡單。我們用的不只一個 AI Agent：Claude Code、Codex，有時還有 OpenClaw 和 Hermes。每個都有自己的一套記憶，每套記憶都只認自己的門。

於是你告訴 Claude Code 團隊每週四部署，到了週五，Codex 卻不知道。你得在它們之間傳話。你就是那條線。

在 Sno Station 裡，每個人在自己的機器上都有一份加密的記憶儲存。每個 Agent 都透過一個輕量外掛讀取和寫入。你工作時，外掛會悄悄記下值得保留的內容；工作階段開始時，它會找回相關內容。底層只有一個寫入者，所以兩個 Agent 不會互相覆寫。

這也是交接能夠運作的原因。假設一個 Agent 做事做到一半用完了額度，另一個接手。接手的 Agent 不用從零開始；它知道前一個知道的事。沒有共享記憶，所謂交接，不過是換個 Agent 讓你把一切再解釋一遍。

這也意味著記憶歸你所有，而不是歸某個執行工具所有。明年換一個 Agent，它對你和你工作的了解仍會留在原處。

取代，而不是堆積

第二件事，就是那台測試環境伺服器。

很多記憶系統只會附加。每個新事實都往上堆，沒有東西會被拿走。展示時一切順利。幾個月後，你換了工作，API 變了，Agent 卻還記得你的前任老闆。只增不減的記憶會存下每一個版本，然後在最不該出錯的時候，把挑選工作交給模型。

我們的做法不同，而且規則很嚴格。新事實與舊事實衝突時，模型查看這一對事實，只能給出三種答案之一：取代、保留或不確定。它只能說這些。模型負責判斷，一般程式碼完成剩下的工作。舊記憶被標記為停用，新記憶取而代之，而 Agent 看到的始終只有目前的記憶。

模型沒有刪除按鈕。這一點我要強調。它不能自行移除任何內容；如果你想回頭看看過去什麼曾經是真的，停用的記憶還在那裡。這有點像在帳本的一筆記錄上劃線，與直接把那頁撕掉的差別。

判斷有多準

判斷是有風險的部分。如果模型取代了本該保留的事實，你就失去了一件真事。這比雜亂更糟。

所以，我們專門為這一項判斷訓練了一個小模型，並拿它和一家大型實驗室的前沿模型比較。兩者考同一套題：223 對事實，每對各有一個較舊和較新的事實，正確答案已知。

我們的模型有 97.5% 的時候選對了操作。前沿模型是 96.8%。

我更在意的是錯誤取代，也就是把真實事實丟掉的情況。我們的模型有 3.2% 的時候犯了這種錯。前沿模型是 4.1%。

我不想誇大這些結果。這是一套 六月做的小測試，只有 223 道題，兩個模型的成績都已接近滿分。此後我們又編了一套更難的題。這也不是與其他記憶工具的比較。我們還沒做那項測試，我不會把別人的數字說得像是我們親自測過一樣。

這些結果能說明的是：只用一張顯示卡執行的小模型，做這一項判斷時，表現可以與最大的模型差不多。這很重要，因為這種判斷會不斷發生，而且涉及的內容，你可能並不想傳給任何人。

為什麼要睡覺

第三件事是何時做這些工作。

你不能在 Agent 工作時把這一切都做完。每多一個新事實，就得回頭檢查它已經記住的一切。這很慢，而 Agent 還有任務要完成。所以，繁重的部分放在 Agent 閒下來的時候做。

在公司內部，我們把這輪處理叫作 REM，借的是人在睡眠中似乎會整理白天經歷的那個階段。我起初反對這個名字，覺得它有點裝可愛。但它很貼切。這輪處理會梳理當天的工作階段。舊事實會停用，矛盾會得到解決。之後需要記住的東西變少了，留下來的也更符合你現在的工作方式。記憶本來就應該在一夜之後變少，堆積則恰恰相反。

你可以選擇有多少內容離開自己的機器。在隱私保護最嚴格的設定下，一點也不會離開：由你自己的 Agent 模型負責整合，所有內容都留在本機。在預設設定下，由你的 Agent 訂閱服務負責思考。如果你主動選擇加入，我們的模型會處理最難的判斷，例如上面說的取代還是保留。

我也該說說目前的進展。共享儲存和取代規則已經在我們這裡日常使用。睡眠處理是最新的一部分，在我們自己的機器上還沒有做到每晚執行。由於一個設定錯誤，它之前一直跳過自己；這個問題正在修復。我寧願自己告訴你，也不願讓你後來才發現。

為什麼它是一切的基礎

剛開始時，有件事我沒想明白。我以為記憶是一個功能。它其實更像地板。

每晚覆盤需要一個地方存放經驗教訓：Agent 會讀取自己的工作階段並記下學到的東西。Agent 之間的交接也需要它。記錄 Agent 做過什麼，以及它有多少次第一次就做對，同樣需要它。今後我們在雲端建造的任何東西，也都會從這裡保存的內容中提煉出來。

如果基礎是一堆只會增長的記錄，這些東西都不值得往上建。它們需要的記憶，可以在週一出錯，到週二就被修正，而不必有人進去手動修改。

記憶一旦有錯，下一個 Agent 就會繼承這個錯誤，你還得再解釋一遍。

直到伺服器又搬家。

Sno Station 是開源軟體。它在 sno.ai。