小白爱摸鱼
@chaozuoye
给 Coding Agent 加记忆，真能越用越聪明吗？一份刚开源的评测基准泼了冷水：VibeMemBench（SIAT 与阿里联合开源）在真实代码仓库的 111 个任务、3600 多条历史轨迹上，测了 Mem0、SimpleMem、A-MEM、MemoryOS 四套主流记忆系统——12 组对照里有 11 组，开启记忆后的代码通过率反而不如"完全不带记忆"的裸跑基线。
更扎心的是它顺手做对的那半：人工把经过验证的黄金经验直接喂给 agent，解决率稳定提升、探索步数明显下降。两个结果一对照，结论就清楚了——"经验复用"是真需求，但当前记忆系统的检索与组织机制在帮倒忙：不是记忆没用，是它记住的东西没被验证过，捞出来的噪音盖过了信号。
这正好给昨晚那篇记忆架构补了反方的秤：Hindsight 那类四层设计之所以要给每条认知挂证据链与置信度，根子就在这份评测里——没有可信度管理的记忆，存得越多越危险，因为它会把"曾经出现过"当成"现在还成立"。
两条合起来才是完整判断：方向没错（记忆是刚需），但没验证的记忆是负资产。这也和课程篇那句撞上了：能交付的才叫学会，能复现的才叫证据——记忆系统要存的是证据，不是流水账。
留一格清楚的边界：这是一家之基准（111 任务、特定代码库），不同记忆系统的版本与配置差异也会影响结果，别读成"记忆全都没用"；但对正要选型的人，它足够说明一件事：现在掏钱上记忆功能之前，先看它有没有置信度和验证环节——没有的，多半是往你的上下文里攒垃圾。
给想给 agent 配记忆的人一句落地的：先别装任何记忆系统，手工喂三五条你亲自验证过的经验（这个项目怎么构建、这类 bug 怎么修），看通过率动不动——动了，说明需求是真的；然后再去挑那家会标"置信度"的记忆方案。先证明记忆值钱，再买记忆的工具。
