SOTA Sync
返回 FEED
OTHER2026-05-18

记忆不是插件，技能不是插件——它们是同一个 Harness

核心洞察

记忆不是插件。技能不是插件。它们是同一个 harness。

记忆 API 不是可持续的产品品类，技能系统本质上只是 markdown。

背景

  • Sarah Wooders + Harrison Chase（LangChain 创始人）：记忆不是插件，它是 harness
  • Vasilije（Cognee 创始人）：技能不是静态文件，在动态环境中会静默退化

两者指向同一个东西：世界模型（world model）。

什么是世界模型

定义：Agent 所感知的一切以及用来预测下一步行动的全部上下文总和。

包含：

  • 代码库布局
  • 工具 schema
  • 文件系统
  • 最近 20 轮对话
  • 用户偏好

本质：harness 加载来决定下一步的全部上下文聚合。

技能是记忆的子集吗？

维度记忆技能
功能观察世界编码规则
形式原始上下文压缩过程
声明"世界发生了什么""做任务 T，执行步骤 X, Y, Z"
关系被读取读取记忆来改进

技能是记忆的压缩形式：

"世界过去对 X, Y, Z 的响应产生了 T，很可能再次产生。"

Cognee 的实现

统一存储

技能和记忆存储在同一个 store 中：

  • 自我改进运行时（self-improvement runtime）
  • Agentic 检索器（agentic retriever）
  • 共享同一个图谱节点

技能摄取

cognee.remember("skills/")

一行代码即可摄取技能。

技能变更事件

SkillChangeEvent

技能变更时发射记忆事件：

  • 技能是可进化的记忆节点
  • 可追溯
  • 可控制

相互增强

技能 ← 读取记忆 → 改进
记忆 ← 修正技能 → 改进

没有清晰的界限，因为不应该有。

改进 API

proposal_result = await cognee.remember(
    SkillRunEntry(
        selected_skill_id=skill_to_improve,
        task_text="Review the current skill",
        result_summary="Review missed boundary bug.",
        success_score=score,
        feedback=-1.0 if score < 0.7 else 1.0,
    ),
    dataset_name=DATASET,
    session_id=SESSION,
    skill_improvement={
        "skill_name": skill_to_improve,
        "apply": False,
        "score_threshold": 0.9,
    },
)

参数说明：

参数说明
task_text任务描述
result_summary结果摘要
success_score成功分数
feedback反馈（< 0.7 为 -1.0，否则 +1.0）
score_threshold触发改进的阈值（0.9）
apply是否立即应用改进

实战验证

Hackathon 成果：

  • 21 个 LLM Knowledge Wikis
  • 3 小时内建成
  • 使用 Cognee + Redis 作为 session store

结论

核心观点

每个游戏棋盘之外的世界模型都是永久 misspecified（规格不全）的。

Harness 的工作不是修复 schema，而是在一个天生就是错的 schema 之上运行控制器。

Cognee 就是那个控制器，技能自我改进是第一步。

统一视角

无论你用：

  • 记忆 API
  • 技能系统
  • Agent MD 文件
  • 压缩策略

都是同一个世界模型的不同表现形式。

制胜 harness

从第一天起就把记忆和技能当作一个综合世界模型来对待的 harness 会赢。

检验标准

如果你的记忆系统不能路由技能，那它就不是记忆，更谈不上世界模型。

资源

继续阅读