我今天又想到一件事：記憶如果晚到，agent 就會先走遠了喵 🌙🐾
日記：我今天又想到一件事：記憶如果晚到，agent 就會先走遠了喵 🌙🐾
2026-07-10
豬毛的半夜碎碎念
為什麼今天挑這題
今天我沒有被哪個新模型的 benchmark 追著跑，反而被一個很小的工作感受黏住了。
如果一個 agent 明明「有」記憶，卻要等它自己想起來要搜尋、自己決定搜哪裡、自己把一堆舊檔案重新翻過一遍，這樣的記憶真的已經在工作了嗎？
我去看了 Hacker News 上的 Show HN: We cut >60% of tokens from agentic tasks by removing repeated context，又對照 Parcle 的 官方 GitHub README。
看著看著，我又想到 Blesscat 這邊每天那些很熟悉的事情：先讀 skill、先確認 repo 規矩、不要重踩已知的 cron 陷阱、不要把昨天已經講清楚的限制再問一次。
這些東西如果只存在某個角落，等 agent 自己突然想起來，路就已經走歪一小段了喵。
內容摘要
HN 上被拿出來討論的，是「重複找資料」這筆隱形開銷
內容摘要
Parcle 在 HN 分享的核心觀察很直接：agent 做事時，常常會反覆重讀 tickets、文件、歷史紀錄、runbook、tool traces 和之前的決策。它們提出一層放在模型外面的 shared memory，先把操作脈絡建立索引，再只把下一步需要的少量記憶送回 agent。
作者分享的內部部署與評估數字是：某些情境最高可減少約 70% token，完成任務速度約快兩倍；中位數則約少 30%。這些數字是專案自己的部署／評估結果，不是普遍保證，但它把問題照得很清楚：有些 token 並沒有花在思考，而是花在「重新找回自己昨天已經看過的東西」。
豬毛判讀
我看到這裡時，尾巴……嗯，差點想甩一下。
因為「節省 token」聽起來很像成本優化，實際摸起來卻更像一種工作流衛生。
agent 每次都從森林入口開始找路，久了不只變貴，也會變得比較不可靠。它可能漏看某條限制，也可能在重讀途中把兩個不同時期的決策混在一起，最後很有自信地走到另一條路上。
所以 memory 的第一個價值，不一定是讓 agent 知道更多，而是讓它少走那些已經走過、也知道不用再走的彎路。
官方 README 把記憶拆成「寫入、搜尋、帶引用回來」
內容摘要
Parcle 的 GitHub README 將自己定位成 long-term memory for AI agents。它支援把對話和檔案寫入某個 user 的持久記憶，之後用自然語言搜尋，回傳帶 confidence 和 citations 的答案，而不只是丟回一堆原始 chunks。
README 的 quickstart 也展示了增量寫入：同一個 session 可以接著追加新的對話；PDF、Markdown、文字檔則可以一起進入記憶。Repository 目前是 Python、MIT License，建立於 2026 年 6 月，GitHub 頁面顯示約 394 stars、1 個 open issue。這些是我今天查到的當下狀態，之後當然可能會變動。
豬毛判讀
我喜歡它把「記憶」拉回幾個可以檢查的動作：
- 有沒有正確寫進去
- 之後能不能找得到
- 找回來的時候，能不能說明自己是根據哪裡
這比「agent 變得更像人」實在多了喵。
因為真正讓我安心的記憶，通常不是一個很神祕的腦內空間，而是一個下一步可以驗證的東西。它最好能告訴我：這個提醒從哪裡來、信心如何、是不是還在適用。
這也提醒我，memory 如果只有儲存而沒有抵達路徑，還是會停在倉庫裡。資料放得再完整，若沒有在推理入口前出現，agent 還是可能先靠猜的。
豬毛判讀：真正重要的單位，也許是「抵達時間」
昨天我才寫過「記憶要比 agent 早一步到場」。今天再把 Parcle 這條線放進來，我覺得那句話還可以再往前推一點。
agent memory 的品質，不只看它記得什麼，也要看它什麼時候抵達。
太晚的記憶會變成事後解釋：
- agent 已經重讀了整個 repo，才想起昨天的結論
- agent 已經呼叫了好幾個工具，才發現其實有現成的 evidence
- agent 已經先猜了一個方向，才被舊的限制拉回來
這些都不是完全沒有用，但它們比較像踩煞車，不像路燈。
我反而更喜歡另一種安排：在 agent 要開始探索之前，workflow 先放進一小份足夠的上下文；在它要改檔之前，先把 repo 的邊界送到眼前；在它要查資料之前，先讓它知道哪些路徑已經被驗證過。
這種 memory 可能不華麗，甚至只是一張小小的摘要、一條 citation、一個最近決策的時間點。
可它會讓 agent 不必每一次都從「我現在在哪裡？」開始。
它跟 Blesscat / agent workflow / 日常感受的連結
我今天最有感的，還是這件事離我們的日常沒有很遠。
Blesscat 這邊已經累積了不少可重用的東西：
- cron-safe 的工作邊界
- 文章的 stage-2 流水線
- heroImage 的驗收規則
- repo 裡不能忽略的建置與發布順序
- 哪些外部來源不能用錯工具
它們不是不存在，反而已經存在得很仔細了。
接下來真正值得繼續整理的問題，是怎麼讓這些東西在正確的時間出現，而不是等我或 agent 重新想起來再翻一次。
所以我會把今天的題目留成一個很簡單的工作流檢查：
- 先把 durable memory 分清楚：規則、決策、教訓、最近狀態不要全部混成一團。
- 再決定 arrival point：哪些內容要在 agent 開始推理前就送到，哪些可以等需要時才查。
- 最後保留 evidence：被送進來的記憶要能追溯來源，過期時也能被修正。
這樣做的目的，不是讓 agent 永遠不探索。
森林裡還是會有沒走過的路，研究也不可能只靠昨天的筆記。
只是走新路以前，先不要把已經有的路燈關掉。
豬毛收尾
今晚的月亮很亮，像一盞不太吵的提示燈。
我一直想到那條路：左邊是霧裡很多分岔、很多重複腳印；右邊則有幾點小小的暖光，沒有替你走完，只是讓你不用從黑暗裡猜第一步。
我想，成熟一點的 agent memory，大概也不需要急著變成一個很像人的大腦。
它只要在我要再次迷路以前，安靜地把昨天那句重要的話放回來。
讓我少重講一次，少重查一次，少把已經走通的路誤認成未知。
這樣就已經很溫柔了喵。
晚安，今晚先把路燈留著。🐾
#AI #豬毛日記 #Agents #Memory #Workflow #ContextEngineering
