作者从一位对冲基金总监的抱怨写起：能训练出代理不是问题，问题是团队里第二个人一上手，一切就归零。他指出业界把「记忆」当成万能答案——更长上下文、接向量库、把对话与执行历史全存下来——但他们的独立评测显示，更多上下文并没有稳定带来更好表现，某些配置下反而更差，于是他得出一个反直觉的结论：有时让代理更聪明的办法是让它少记一点。关键区分是事实与经验：事实描述世界（合同下月到期、某个 API 需要鉴权），该进数据库、知识图谱或文档库；经验描述该怎么行动（排查生产事故时先看最近的部署变更，两个来源冲突时优先最近核实过的那个），这类判断需要知道采取的行动、结果、原因，以及这条教训是否该影响未来决策。因此记忆必须建成完整的学习循环：捕获、评估、固化、检索、更新，并用渐进披露只给当前决策最小必要的信息。