Agent 记忆已解决，Agent 学习还没有——Yugabyte 的 Karthik Ranganathan

Yugabyte 联合创始人兼联合 CEO Karthik Ranganathan 在演讲中提出：单个 agent 的记忆已是成熟问题，但多 agent 之间的共享学习尚未解决。当一个 agent 把工作交给另一个 agent 时，只传递输出，丢失了推理过程、走过的死路和上下文，导致下一个 agent 重新推导、浪费 token。他列举了关于记忆的五种误解，并分享 Yugabyte 自建 agent 时踩过的坑，以及如何逐变量调优 RAG 管线，把 faithfulness 从 14% 提升到 82%，同时上下文规模约为原来的七分之一。随后 Heather Downing 演示了 Yugabyte 的 agent 原生持久层 Meko，可跨 agent 恢复会话，并把私有记忆提升为共享 data pack。

AI推荐理由 来自 AI Engineer 频道的技术演讲，讲者 Karthik Ranganathan 为 Yugabyte 联合创始人兼联合 CEO，内容具体：区分单 agent 记忆与多 agent 共享学习，指出 agent 间交接只传输出、丢失推理与死路上下文导致重复消耗 token；并给出可验证的工程细节——逐变量调优 RAG 管线使 faithfulness 从 14% 提升到 82%、上下文约缩减至七分之一，以及 Meko 持久层跨 agent 恢复会话、将私有记忆提升为共享 data pack 的演示。局限是这些数字来自讲者自述，输入未提供独立验证或基准细节，且属会议演讲而非同行评审证据。