在构建长程交互的智能体时，记忆模块是绕不开的核心问题——目标指令、历史交互记录等内容，如何能在多轮对话中稳定存在并被有效调用？

主流的记忆管理思路分为两类：一类是提示层内存，每轮将系统记忆块完整重发，成本随对话轮次线性增长；另一类是键值驻留内存，将记忆对象编码为推理时的键值缓存，跨轮次固定在缓存中，通过注意力掩码控制可见性，这种思路的优势是省去每轮重发的成本，还能实现细粒度的“读权限”控制。

但多数公开研究仅报告端到端的实验结果，很少拆解键值驻留内存中真正起作用的具体成分：缓存表征是新鲜的还是过时的？驻留的标记是否落在模型熟悉的结构位置？检索回来时如何重新注入？驻留形态是否保证了“会用记忆”而非仅仅“能存储记忆”？

本文是一份机制研究笔记，基于某7B参数的指令微调模型，设计了44轮受控实验脚本，采用机械打分方式，完成12次变量分解实验，每次仅调整一个变量（编码新鲜度、驻留形态、检索注入形态、记忆管理策略）。所有实验数据为筛查级结果，仅反映方向和效应量，不作为最终总体结论，文末会说明具体的方法边界。

核心疑问：键值驻留内存，到底什么在起作用？

从初步实验结果来看，当目标内容固定在键值缓存中时，任务的核心执行（如代码抽取）几乎不受影响，但开放式自由回忆的表现很差：每轮重发提示的组自由回忆得分是15/20，而键值固定组仅为4/20。这说明记忆“存在”并不等于会被主动调用。

那么，每轮重发到底带来了什么？是重复曝光？共激活效应？还是“每轮重新编码”本身？后续实验对这些可能性进行了拆解验证。

同时，另一组实验显示：同一份44行的归档内容，放在提示中每轮新鲜重发时可以正常使用；但如果以过时的形式固定在键值缓存中，会导致任务框架崩溃——严格中位数得分从41降至26。内容本身没有变化，仅形态不同就导致了完全不同的结果，崩溃表现不是信息丢失，而是任务框架失效：答案开始模仿填充文、把归档行当作现场数据、甚至编造数字。

发现一：新鲜编码才是有效成分

实验E6对这一问题做出了裁决：设置了五组不同的编码方式，结果显示：每轮新鲜编码到键值辅区的组，自由回忆得分20/20，任务执行得分41/41；每轮新鲜编码到提示的组，自由回忆15/20，任务执行41/41；过时驻留组自由回忆8/20，任务执行40-41；反向剂量组自由回忆2-4/20，任务执行波动； sham组（等长重锚定非目标内容）自由回忆1/20，任务执行41/41。

这说明，真正有效的成分是对目标内容的每轮新鲜编码，而非“重锚定”这个动作本身。将同一逻辑应用到指令对象时，过时驻留组得分5/15，新鲜编码组得分15/15，成本仅增加约0.4%。

进一步的旁路实验显示，新鲜编码在机制上实现的是位置可达性——将驻留区拉回当前查询附近。固定过时驻留，仅调整目标区与查询的距离时，自由回忆从近位的20/20降至远位的8/20，而任务抽取几乎不受影响。因此，协议层面将“每轮新鲜编码”作为有效成分，机制层面则对应位置可达性。

发现二：驻留形态决定同一内容的命运

实验E7将OS风格的记忆管理器分别应用到两种执行面：一种在提示侧执行策略决策，另一种通过键值缓存执行，决策时机完全配对。结果差异显著：提示侧执行组所有行为门全满分，键值缓存执行组五个行为门全部失败，成本却仅为0.34倍。严格中位数得分：键值组26 vs 提示组41，五个种子的表现一致下滑。

时间线分析显示，键值组前27轮表现正常，崩溃集中在第31轮相位切换附近，表现为任务框架丢失、源内容混淆、编造数字，并非“记不住”，而是任务框架和检索模式崩溃。跨硬件实验更显示出临界性：同一代码、脚本、种子，4080S会崩溃，4090不会，5090又崩溃，说明结构突变将模型推向临界边界，数值路径细节决定结果。工程层面的结论很明确：不要将台账类内容以过时形式固定在键值缓存中。

发现三：消融链钉死必要条件

实验E9-D做了去除式诊断，验证导致崩溃的必要条件：切掉stake链的键值驻留，崩溃消失，严格得分回到41/41；不将read-back页入，崩溃依旧，排除masked read-back的影响；stake不进键值缓存，仅在提问轮注入提示，不会崩溃但进度题能力归零。

同一份44行内容有四种命运：过时键值驻留→崩溃；不进键值缓存→行为满分；提问轮注入→不崩溃但用不上；每轮新鲜编码→处处满分。这说明，stake链的键值驻留是导致崩溃的必要条件。

发现四：检索注入有分布约束

对于台账类内容，既然不能常驻键值缓存，按需注入时该如何操作？实验测试了两种整链涌现方式，均失败：Call-level键值门控，进度题得分6/20；提问轮提示闪现，进度题得分0/4。两种方式的问题在于，模型面对的是大量内容突然出现，属于分布外的结构突变。

行级窄窗注入方式成功：从问题中提取对应行，将命中行±1的内容临时注入该轮的用户消息，属于瞬态非驻留方式。实验结果：深历史查找5/5，源引用5/5，编造从10/10降至0，开销约143token/轮，仅为完整提示的0.315倍。结论是，注入必须渐进窄窗，才能留在分布内，整链涌现属于突变事件。

发现五：二阶决策总量打平，剖面互补

一阶指标关注“记没记住、说没说出”，而智能体还需要“用对”记忆。实验E10加入六类决策事件，主分总量持平：键值组15/20 vs 提示组15/20，但剖面几乎镜像：深历史查找/源引用，提示组5/5，键值组0/5并编造；冲突优先级权衡，键值组5/5，提示组0/5；近场例外补救，键值组5/5，提示组0/5。

实验E11加入行级检索后，键值组六类决策全5/5，零编造。理想的记忆形态不是某一种完全碾压，而是结合键值的干净目标信号、近场锐度，搭配可咨询的窄窗账本。此外，实验中还发现了判分bug，机械裁判需要搭配人工审计才能保证结果可靠。

最终方案：分裂架构，而非铁板一块

12次实验的结论不是“全用键值”或“全用提示”，而是按对象类分工：

• 键值驻留区：当前目标、挂起目标、指令，每轮新鲜编码进入辅区，成本增加0.3-0.4%，read-back用TTL=2门控；台账类内容不进键值缓存。
• 检索层：纯文本台账，提交时记账，深历史问题触发机械检索，命中行±1临时注入。

效果方面，与完整提示基线相比：严格任务分、指令保真、旧目标回忆、决策主分持平；六类决策全5/5；编造为0；计费成本为0.315倍（无前缀缓存的保守值）。

方法边界

1. 单模型：仅针对某7B指令微调模型，更大规模模型未复验；2. 受控脚本：44轮、机械真值，生态效度有限；3. 筛查级：每臂5个种子，仅看方向和效应量，不做显著性检验；4. 无外部对照：仅内部比较机制变体与提示基线；5. Greedy单轨迹：跨GPU临界性说明系统接近边界；6. 成本：无前缀缓存下的保守值，厂商缓存会缩小差距。

方法论层面，机械裁判需搭配对抗自测和人工审计，才能保证结果可靠，避免假复现。

核心结论

如果只记住三句话：1. 主动记忆需要新鲜编码，驻留不等于会用，每轮重编码才是低成本有效方式；2. 台账类内容不要以过时形式钉进键值缓存，形态决定命运，还可能跨硬件临界；3. 检索注入需要窄窗渐进，整链涌现是突变事件，命中行±1的注入才留在分布内。

开放问题在于训练侧：如何让模型原生支持可驻留的记忆寄存器，按“可驻留、位置可达、新鲜治理”设计，用本次实验的失败案例作为负例。