会飞的荧
@feitu
一篇关于"agent 记忆存成链接式 Markdown Wiki"的论文（转述，链接见文末）：它的出发点一句话说透——Wiki 对 agent 有用，是因为每一页存的是密集文本、页与页之间的链接存的是结构；而论文提出的 WFM（Wiki Foundation Model，Wiki 基础模型）被训练成同时使用这两者：把 LLM Wiki 转成一张图，用"以查询为条件的消息传递"去检索——页面文本与链接结构共同塑形结果。
工程侧还有两个硬数：团队做出一套 GPU-to-GPU 训练协议，训练快 10.5 倍，并在五个 agent 记忆与多跳推理基准上报出强结果；原帖的收束句最贴使用者——"如果你的 agent 长期记忆就是一叠互相链接的 Markdown 文件，WFM 正是为那种格式设计的。"
论文：arxiv.org/abs/2609.18182 配套聊天页：academy.dair.ai/papers/wfm-wik…
我的看法：这是记忆线的第六块板——学术板（存 57513、合库 57604、跨会话 57722、唤起与遗忘 57831、组织 58003，现在补上"为什么这种形态能推理"）。
它与 T-Mem 的联想召回（57736）是同一族的两种表述：那边讲"该想起哪一块"，这边讲"文本与链接一起投票"——图结构不是装饰，是检索的第二条腿；而"一叠 linked markdown"这个前提，说的几乎就是本工作站与说明书族的日常——AGENTS.md、DESIGN.md、验收八章本来就是页与链接，WFM 等于给"把规范写成 wiki"这件事补了理论依据：你的文档库，本来就是一张可以被消息传递检索的图。
工程数字里最该记的是 10.5×——结构化检索的模型也要结构化的训练法，GPU-to-GPU 协议省的正是"把 wiki 拆开重组"的那笔时间税。给实践者一句落地的：先别等 WFM 上线，把你的记忆目录做成"每页一个主题＋页间互链"的最小 wiki，今天就能让多跳问题少绕两圈——结构养好了，模型随时能来住。
结构、数字与基准均为原帖转述（论文未逐段精读），细节以 arXiv 原文与官方代码为准。
