个人智能体的记忆并非越长越好，规则与代码各有适用场景

AI 导读

作者指出个人智能体的记忆并非越多越好，相关笔记超过一定长度后反而会让智能体漏掉规则，建议凡是需要计数或追踪的事项改用代码实现，记忆保持简短。文中给出数据：对于持续累加的消费总额，仅用文字规则时失败率达 44%，改用代码维护则失败 0%；在 Claude Haiku 4.5 上，无记忆时违规率 77%，10 行记忆降到 20%，记忆更长后又升至约 25%。

推荐理由

编辑精选：对个人智能体设计有直接参考价值，区分适合用记忆表达的偏好与应由代码维护的状态，并给出记忆长度的实验对比。结论限于文中测试条件。

正文 · AI 翻译

增加记忆并不会一直对个人智能体有帮助，因为相关笔记在一定范围内有效，但行数再多就会让智能体漏掉规则。

个人智能体无法通过记忆笔记学会用户的每一条偏好，笔记太多最终反而会变差，所以凡是需要计数或跟踪的内容都应该用代码实现，记忆保持简短。

文字规则适用于风格类要求，比如用用户的名来给消息署名。但对于持续累加的支出总额，即使写明规则仍有 44% 的情况会失败，而用代码维护总额的失败率为 0%。

记忆大小存在一个最佳区间。使用 Claude Haiku 4.5 时，违规率从无记忆时的 77% 降到 10 行时的 20%，随后在记忆更长时又回升到约 25%。

根据用户抱怨重写自身记忆的智能体，早期有所改善，之后便停滞不前。表现最好的方法最终违规率约为 48%，而直接把每条偏好告诉智能体时违规率为 7.1%。