Agent 不会自动记住你的工作:先记录好人与 Agent 之间的桥梁

大家好,我是 大伟/Wei•Will,深耕软件工程一线,专注 AI 应用落地与 Agent 开发。

前几天,我又遇到一个很典型的 Agent 场景。

前一天晚上,我让 Agent 帮忙推进一个任务。它读了文件,执行了几条命令,也给出了一个看起来合理的结果。第二天继续时,我重新打开对话,让它“接着昨天的工作做”。

Agent 确实能找到昨天修改过的文件,也能看懂部分执行记录,但它并不知道几件更关键的事情:

  • 为什么最后选择了这个方案;
  • 哪些方案已经试过,而且明确被放弃;
  • 当前结果只是临时验证,还是已经可以交付;
  • 哪些边界不能碰;
  • 下一步应该继续执行,还是先找人确认。

于是,任务看起来是接上了,实际上只是把文件接上了。

这也是很多人使用 Agent 一段时间之后会遇到的困惑:

明明 Agent 已经越来越能做事,为什么一换会话、一换任务、一换环境,还是要重新解释一遍?

我的判断是,问题不完全在模型记忆能力,而在于我们没有记录好人与 Agent 之间的桥梁。

最近一段时间,Agent 正从聊天窗口走向代码编写、接口测试、浏览器操作、办公协作、资料整理和业务系统调用。它开始执行更长的任务链,也开始接触更多真实数据和工作环境。

当 Agent 只是回答一个问题时,记不记得上一次对话,影响还没有那么大。

但当 Agent 要连续几天推进一个项目、接手一个故障、维护一个知识库,或者替你完成一段内容生产流程时,真正决定效果的就不再只是“它会不会做”,而是:

它能不能准确理解事情为什么这样做,以及接下来应该怎样继续。

Agent 缺的不是聊天记录,而是工作上下文

很多人第一反应是保存完整聊天记录。

这当然比什么都不保存好,但完整聊天记录并不等于可用上下文。

一段对话里通常混杂着很多内容:

  • 临时试探;
  • 错误猜测;
  • 已经失效的文件状态;
  • 重复解释;
  • 被否定的方案;
  • 与当前任务无关的闲聊;
  • 模型为了推进任务而生成的中间内容。

如果下一次把整段对话重新交给 Agent,它需要自己判断哪些内容还有效、哪些内容只是过程、哪些内容是最终结论。

这相当于把整理工作又交还给了 Agent。

真正有价值的,不是“我和 Agent 说过什么”,而是“这次工作留下了什么可以继续使用的上下文”。

我通常把这部分上下文拆成四类。

第一类:目标

目标不是一句“帮我完成这个任务”就够了。

一个可执行的目标,至少要说明最终要解决什么问题,以及完成到什么程度。

比如:

  • 不是“帮我优化接口”;
  • 而是“在不改变现有接口返回结构的前提下,降低高并发场景下的重复查询,并补充可以回归验证的测试”。

这两句话对 Agent 来说,工作范围完全不同。

前者允许它自由发挥,后者明确了目标和边界。

第二类:约束

约束往往比目标更重要。

工程任务里常见的约束包括:

  • 不能升级基础框架;
  • 需要兼容旧版本运行环境;
  • 不能修改公共接口;
  • 生产数据不能离开指定环境;
  • 只能读取某些目录;
  • 变更必须可回滚;
  • 不允许直接删除历史数据;
  • 需要保留现有日志格式。

人类同事在长期协作中,通常会逐渐记住这些规则。

Agent 不会自动知道。

如果没有明确记录,它很容易把“技术上可行”误认为“项目上允许”。

这就是为什么有些 Agent 生成的方案看起来很漂亮,但落不到真实项目里。它优化的是局部代码,而不是整个工作约束。

第三类:决策

决策是最容易丢失、又最值得保存的部分。

例如,项目里有三个实现方向:

  • 直接改数据库查询;
  • 增加缓存;
  • 调整调用方的请求合并逻辑。

最后选择了增加缓存,并不是因为它在所有方面都最好,而是因为当前阶段不能改表结构,也不希望影响调用方行为。

如果只保存最终代码,下一次 Agent 可能重新提出另外两个方案,甚至把已经否定的方案再做一遍。

但如果记录下决策背景,Agent 就能理解:

这个方案不是理论上的最优解,而是当前约束下的可接受解。

这类信息,往往比某一段代码更能帮助 Agent 正确接手工作。

第四类:验证结果

“已经完成”是一个很模糊的状态。

到底是:

  • 代码已经写完;
  • 本地测试通过;
  • 测试环境验证通过;
  • 只验证了正常路径;
  • 异常路径还没有覆盖;
  • 已经上线但还没有观察指标;
  • 方案被确认但还没有实施?

如果不记录验证结果,Agent 很容易把“生成完成”当成“任务完成”。

所以,每个重要任务都应该留下一个清晰状态:

  • 已完成什么;
  • 用什么方式验证;
  • 验证覆盖了哪些情况;
  • 哪些问题仍然开放;
  • 下一步应该做什么。

这四类内容组合起来,才是 Agent 真正需要的工作上下文。

一个具体例子:为什么“做过什么”不如“为什么这样做”

假设我们让 Agent 协助排查一个接口响应变慢的问题。

它可能很快完成以下动作:

  1. 查看接口代码;
  2. 分析数据库查询;
  3. 修改查询条件;
  4. 增加缓存;
  5. 运行测试;
  6. 输出一份修改结果。

从表面看,任务推进得很顺利。

但真实项目里,排查慢接口通常还有一些没有写在代码里的信息:

  • 这个接口的查询结果必须保持实时;
  • 某个字段虽然暂时没有使用,但下游系统依赖它;
  • 压测环境和生产环境的数据量差异很大;
  • 之前已经尝试过缓存,但因为数据一致性问题被撤回;
  • 目前最重要的不是把平均耗时降下来,而是控制高峰期的长尾耗时;
  • 修改必须先在低流量环境观察。

如果这些信息没有留下来,Agent 很可能会选择一个局部指标更好看的方案,却引入新的业务风险。

这件事说明了一个工程事实:

Agent 能够阅读显性的代码和文件,但很多关键判断存在于过程之外。

它们可能在一次会议里、一个人的脑中、一条即时消息里,或者某次失败的尝试中。

如果这些判断没有被记录,下一次 Agent 接手时,它看到的只是一个“已经被修改过的系统”,而不是一个“为什么这样修改的系统”。

这也是人与 Agent 协作的分水岭。

不是让 Agent 记住更多内容,而是让关键内容以可理解、可验证的方式留下来。

记录的最小单位,不应该是对话,而应该是任务交接

我现在更倾向于把 Agent 工作记录成一份任务交接,而不是简单保存聊天记录。

这份交接不需要很长,也不需要写成正式文档。只要能回答下面几个问题就够了:

  • 这次任务要解决什么;
  • 当前环境是什么;
  • 哪些事情已经确认;
  • 哪些方案已经尝试;
  • 为什么采用或放弃某个方案;
  • 现在进行到哪一步;
  • 如何判断下一步是否成功;
  • 还有哪些问题没有决定。

可以使用这样的结构:

  • 任务目标:要解决的问题和交付边界。
  • 当前状态:已经完成、正在验证、尚未开始的部分。
  • 已知约束:技术限制、业务规则、权限边界和数据要求。
  • 关键决策:选择了什么方案,原因是什么。
  • 失败记录:尝试过什么,为什么不继续。
  • 验证方式:测试命令、检查指标、人工确认点。
  • 下一步动作:下一次接手时先做什么。
  • 待确认问题:需要人做判断的地方。

这份记录的重点不是完整,而是让下一个执行者能够少走一轮弯路。

这里的“下一个执行者”不一定是另一个人,也可以是:

  • 第二天的自己;
  • 新开启的 Agent 会话;
  • 团队里的同事;
  • 负责维护项目的另一个 Agent;
  • 几个月后的你。

如果一份记录只能让原作者自己看懂,它还不算真正完成交接。

为什么一定要记录失败和被放弃的方案

在很多团队里,成功结果会被保存,失败过程会被删除。

代码提交了,文档更新了,最终方案留下了,但中间试过什么,为什么没有采用,往往没有任何痕迹。

对人来说,这会导致重复踩坑。

对 Agent 来说,问题会更严重,因为 Agent 更容易把一个“看似合理”的方案重新提出来。

比如,某个缓存方案曾经因为数据一致性问题被撤回。如果记录里只有“当前使用数据库查询”,没有写清楚“曾经尝试缓存,因实时性要求放弃”,那么下一次 Agent 看到性能问题时,很可能再次建议加缓存。

这不是 Agent 不聪明,而是它缺少负面知识。

所谓负面知识,就是:

  • 什么方法没有用;
  • 哪个方向不适合当前系统;
  • 哪些条件下不能这么做;
  • 哪些问题已经排除;
  • 哪些错误现象不是根因。

工程经验有一半来自成功,另一半来自知道什么不能做。

Agent 要进入长期工作流,就不能只喂给它正向结果,也要让它看到经过确认的失败边界。

但这里需要注意,失败记录也不能只是简单写一句“方案不可行”。

最好补上三个信息:

  • 在什么条件下失败;
  • 失败表现是什么;
  • 因此形成了什么限制。

例如:

在数据实时性要求较高的接口上,直接增加本地缓存会导致更新后短时间内读取到旧值。因此当前版本不采用缓存,优先优化查询和连接池配置。

这样的记录,下一次 Agent 才能真正理解这个结论的适用范围。

不是所有信息都值得进入长期记忆

记录桥梁并不意味着什么都保存。

这是很多知识系统和 Agent 工作流容易走偏的地方:一开始担心遗漏,于是把所有对话、日志和输出都收集起来;过一段时间之后,系统里内容越来越多,Agent 每次检索到的内容却越来越不准确。

原因很简单:

上下文有成本,信息也会过期。

一条记录进入长期工作流之前,最好先判断它属于哪一类。

稳定规则

这类内容可以长期保留,例如:

  • 项目必须遵守的接口规范;
  • 团队统一的提交要求;
  • 数据访问权限;
  • 发布前检查项;
  • 内容输出的固定格式;
  • Agent 可以执行和不能执行的操作。

稳定规则的特点是变化慢,而且被多个任务复用。

当前任务状态

这类内容适合服务于一个具体任务,例如:

  • 当前正在处理哪个问题;
  • 已经改了哪些文件;
  • 哪些测试已经通过;
  • 哪个问题等待确认;
  • 当前使用的是哪个环境。

任务状态会变化,必须带上时间和状态,否则旧记录很容易误导 Agent。

决策记录

这类内容保存“为什么”,例如:

  • 为什么选择这个架构;
  • 为什么暂时不引入某个组件;
  • 为什么某个自动化步骤必须人工确认;
  • 为什么当前不追求完全自动化。

决策记录的价值通常很高,但也要标记它的有效范围。

临时过程

这类内容不一定要进入长期记忆,例如:

  • 某次无关紧要的试探;
  • 重复生成的中间文本;
  • 已经被明确修正的错误猜测;
  • 与后续任务没有关系的闲聊。

如果所有内容都保留,Agent 面对的不是更丰富的知识,而是更大的噪声。

我更愿意采用一个简单原则:

能影响下一次判断的信息要保存,只影响这一次生成的信息可以清理。

这比“全部记录”更接近工程实践。

一条桥梁至少要能让新会话完成三件事

判断一份记录是否有用,不需要依赖复杂指标。

可以直接做一个新会话测试。

把这份记录交给一个没有参与前面工作的 Agent,然后观察它能不能完成三件事。

能说清楚当前任务

它应该能够回答:

  • 现在要解决什么问题;
  • 最终交付是什么;
  • 哪些事情不在范围内。

如果 Agent 还需要重新询问任务目标,说明记录没有把目标写清楚。

能避免重复走弯路

它应该知道:

  • 哪些方案已经验证过;
  • 哪些方案被放弃;
  • 哪些错误不是当前根因;
  • 哪些操作不能直接执行。

如果它立刻重复之前失败的路径,说明记录缺少关键决策和失败边界。

能执行下一步并完成验证

它应该能够回答:

  • 下一步先做什么;
  • 做完之后检查什么;
  • 出现什么结果算成功;
  • 出现什么结果需要暂停并请求确认。

如果只能总结过去,却无法推动未来,说明这份记录更像复盘,而不是交接。

这个测试很有价值,因为它验证的不是文档是否漂亮,而是上下文能不能驱动行动。

Agent 之间的桥梁,最好是稳定的工作对象

很多人会把桥梁理解成一段专门写给 Agent 的提示词。

提示词当然有价值,但它不是全部。

一份真正可持续的桥梁,最好依附在稳定的工作对象上:

  • 项目任务;
  • 缺陷单;
  • 代码提交;
  • 合并请求;
  • 设计决策;
  • 测试报告;
  • 会议结论;
  • 内容草稿;
  • 知识条目。

这样做的好处是,记录不会漂浮在某个聊天窗口里。

比如,代码任务的上下文可以跟着任务单和提交记录走;一次架构选择可以跟着设计决策文档走;一次内容生产可以跟着文章草稿和修改意见走。

Agent 每次参与工作时,先读取当前对象,再决定是否需要补充其他资料。

这比让 Agent 每次面对一个巨大的个人知识库更可靠。

在我的工作里,无论是让 Agent 协助处理代码、整理资料,还是推进文章写作,我都会尽量把最终判断落到一个可以继续编辑的文本对象里。

这个对象不追求复杂,Markdown、任务卡片、项目文档都可以。

重要的是它具备三个特点:

  • 人能读懂;
  • Agent 能继续使用;
  • 后续变化可以被追加和修正。

如果记录只能被机器检索,人在关键时候无法快速确认;如果记录只能被人理解,Agent 又无法稳定接手。桥梁必须同时服务于人和 Agent。

写作工作流里,桥梁其实就是“为什么这样写”

内容生产也是一个很典型的场景。

一篇文章从一个想法开始,通常会经历:

  • 确定读者;
  • 缩小问题;
  • 选择角度;
  • 查找资料;
  • 形成判断;
  • 生成草稿;
  • 人工修改;
  • 发布后复盘。

如果只保存最终文章,Agent 能够模仿结果,却不一定理解文章为什么采用这个角度。

例如,一篇文章没有选择介绍某个工具的全部功能,而是专门讨论它在真实工作流中的边界。这背后可能有几个判断:

  • 读者真正缺的不是功能列表;
  • 工具更新很快,功能描述容易过时;
  • 工程师更关心能否进入长期流程;
  • 文章需要交代成本、权限和稳定性;
  • 不能把一次尝试写成普遍适用的结论。

如果这些判断没有记录,下一次写类似主题时,Agent 很容易退回到“功能介绍、优点总结、推荐试用”的常见结构。

所以,内容工作里的桥梁不是简单保存文章,而是保存:

  • 为什么选择这个问题;
  • 为什么不写另外的角度;
  • 哪些判断来自实际使用;
  • 哪些内容只是推测;
  • 哪些地方需要人工核验;
  • 读者读完之后应该能够做什么。

这会让 Agent 从“帮我写一篇文章”,逐渐变成“理解我的写作判断,并继续协助完成下一篇文章”。

这两者的差别非常大。

前者每次都从头开始,后者才有机会形成稳定的内容能力。

团队协作时,桥梁比个人记忆更重要

个人使用 Agent,很多时候可以依赖自己的记忆。

但在团队里,问题会迅速放大。

一个人和 Agent 讨论过的内容,如果没有沉淀为团队可见的工作记录,就会形成新的信息孤岛。

尤其是下面几类场景:

  • 研发人员让 Agent 修改了一段关键业务代码;
  • 测试人员让 Agent 生成了一批接口用例;
  • 产品人员让 Agent 整理了用户反馈;
  • 运维人员让 Agent 辅助排查了一次故障;
  • 技术负责人让 Agent 参与了一次方案设计。

如果最终只留下结果,不留下过程中的关键判断,团队其他人仍然无法知道:

  • Agent 参与了哪一部分;
  • 哪些结论经过人工确认;
  • 哪些内容只是辅助建议;
  • 哪些操作存在风险;
  • 如果问题复现,应该从哪里开始排查。

因此,团队里不应该要求每个人共享全部对话,而应该要求关键任务留下结构化交接。

这不是为了监督 Agent,而是为了让协作结果可追溯。

一条好的团队记录,应该让没有参与原始对话的人,也能理解当前状态并继续工作。

从这个角度看,人与 Agent 之间的桥梁,最后也会变成人与人之间的桥梁。

记录桥梁的成本,不能忽略

这件事听起来很合理,但它并不是没有成本。

首先是记录成本。

如果每完成一个小动作都要求写文档,团队很快就会产生抵触。尤其是高频开发任务,过度记录会让 Agent 带来的效率被文档工作抵消。

所以,记录应该围绕“状态变化”和“决策变化”发生,而不是围绕每一次操作发生。

一次普通的文件读取,不需要单独记录。

但下面几种情况值得记录:

  • 目标发生变化;
  • 方案发生变化;
  • 发现了新的约束;
  • 某种方法被验证失败;
  • 任务从执行转入等待确认;
  • 验收标准发生变化;
  • 风险等级发生变化。

其次是上下文成本。

记录越多,Agent 每次需要读取的内容越多,响应延迟、Token 消耗和检索错误都会增加。

因此,长期记录和当前任务记录最好分开管理:

  • 稳定规则只保留一份;
  • 当前状态只保留最新有效版本;
  • 历史决策保留原因,但明确是否仍然有效;
  • 过程日志按需要查询,不要每次全部注入。

最后是维护成本。

任何会影响 Agent 判断的记录,都可能过期。

项目换了框架,权限规则调整了,接口版本升级了,内容定位变化了,过去正确的结论都可能变成错误上下文。

所以记录必须具备时间感。

至少要知道:

  • 谁做出的判断;
  • 在什么环境下做出;
  • 适用于哪个版本;
  • 是否仍然有效;
  • 什么时候需要重新确认。

没有有效期的记忆,最后很可能变成系统性误导。

安全边界:桥梁不能变成权限通道

人与 Agent 的桥梁越完整,Agent 能理解的内容越多,但同时暴露的信息也可能越多。

特别是当 Agent 能读文件、执行命令、访问业务系统时,记录中的敏感信息会带来额外风险。

常见问题包括:

  • 把 API 密钥直接写进工作记录;
  • 把客户数据原样放进上下文;
  • 把生产环境地址和内部拓扑写入共享文档;
  • 把管理员操作步骤交给没有权限的 Agent;
  • 把未经确认的业务结论当成正式规则;
  • 把个人工作记录直接作为团队共享知识。

我的做法是把“说明如何做”和“允许执行什么”分开。

记录可以写清楚任务目标、判断依据和验证方式,但不应该把所有凭证、敏感数据和高权限操作直接暴露给 Agent。

权限仍然应该由运行环境控制,而不是由一段文字控制。

可以让 Agent 知道:

这个任务需要访问测试环境的接口。

但不要仅仅因为记录里写了这句话,就让它获得生产环境的全部权限。

同样,记录里可以写:

发布前必须人工确认数据库变更。

这不是降低自动化程度,而是给自动化流程设置可审计的暂停点。

Agent 越能做事,越需要明确哪些事情必须停下来问人。

不要一开始就搭建复杂的记忆系统

很多人在理解“Agent 需要上下文”之后,会马上想到向量数据库、长期记忆、自动摘要和多 Agent 协作。

这些技术都可能有用,但不一定是第一步。

如果连最基本的工作记录都没有,直接建设复杂记忆系统,通常只会把混乱自动化。

我更建议从最简单的方式开始:

  1. 选一个重复出现的任务;
  2. 为这个任务建立一份交接记录;
  3. 每次只追加目标变化、关键决策、失败原因和下一步;
  4. 用新会话验证 Agent 能否接手;
  5. 一段时间后删除无效内容,保留稳定规则。

例如,选择一个经常出现的接口测试任务。

第一次可以只记录:

  • 测试目标;
  • 环境信息;
  • 鉴权方式;
  • 已覆盖的场景;
  • 发现的问题;
  • 下一轮测试重点。

等这个流程重复几次之后,再观察哪些内容经常被复用,哪些内容经常发生变化,哪些内容总是需要人工确认。

只有这些规律稳定下来,才有必要进一步抽象成模板、自动化流程或 Agent 能力。

先有可靠的记录,再谈智能记忆。

我对这件事的三个工程判断

第一,桥梁的价值在连续性,不在记忆数量

Agent 一次回答得好,不代表它适合长期协作。

长期协作要求它能够在不同时间、不同会话和不同执行环境中,继续理解同一件事。

这依赖的是连续上下文,而不是更多聊天内容。

第二,桥梁的核心是决策,不是过程

不是所有过程都需要留下。

真正值得保存的是会影响未来判断的内容:目标、约束、选择、失败、验证和下一步。

把这些内容记录清楚,往往比保存一大段完整对话更有效。

第三,桥梁必须允许被人修正

Agent 生成的记录不能自动成为事实。

一份上下文可能是:

  • 已确认事实;
  • 当前假设;
  • Agent 建议;
  • 待人工确认;
  • 历史结论;
  • 已失效规则。

这些状态最好明确区分。

否则,Agent 可能把自己的推测写入长期知识,再在下一次任务中把它当成可靠事实引用。

知识系统的可维护性,最终仍然依赖人的审核和修正。

下一步,可以先做三个小动作

如果你现在也经常使用 Agent,不需要马上重构整个工作流,可以从三个小动作开始。

选择一个会重复发生的任务

可以是:

  • 接口测试;
  • 代码排查;
  • 发布检查;
  • 资料整理;
  • 会议纪要;
  • 文章写作;
  • 周期性报表;
  • 客户问题分析。

不要选择一次性任务。只有重复发生,才容易验证记录是否真正产生复用价值。

建立一份一页纸交接记录

只写目标、约束、当前状态、关键决策、失败记录和下一步。

不要追求完整,也不要追求漂亮。

先看它能不能让一个新的 Agent 会话快速进入状态。

每周清理一次过期上下文

删除已经没有价值的过程信息,更新发生变化的规则,给历史决策补充当前状态。

如果一条记录已经不能帮助下一次判断,就不应该继续占据上下文。

最终,我们希望留下的不是一座越来越大的资料仓库,而是一条足够清晰的协作路径。

Agent 不需要记住我们说过的每一句话。

它需要知道我们正在解决什么问题,为什么采用当前方案,哪些边界不能突破,以及下一步怎样验证。

这就是人与 Agent 之间真正的桥梁。

模型能力决定 Agent 能不能完成一次任务,记录能力决定它能不能持续参与一项工作。

我是 大伟/Wei•Will,深耕软件工程一线,专注 AI 应用落地与 Agent 开发。