先做记忆，不如让 AI 自己查原文？

AI 概念插画。

给 AI 接上长期记忆，常见做法是先从聊天里提取事实、写摘要或建知识图谱，等用户提问时再取出相关内容。另一条路更像程序员查代码：保留原文，让 Agent 带着问题搜索、读取上下文，再决定要不要继续查。

先压缩成 memory，还是让 AI 自己查原文？ 2026 年 10 月 21 日，Zedong Peng 在 arXiv 发布预印本 MemoryTax，把这两条路线放到了同一项测试里。对 Poketto 这样的 Agentic 检索方向，真正值得看的正是后者：把原始资料和查找工具交给模型。

它们回答同一道题时，各自能看到什么？

作者取出一段包含 419 轮聊天的记录，准备了 152 个问题，比较四类做法：

• 直接读全文：每次把完整聊天交给模型。
• 固定检索：BM25 按关键词相关度找出片段，附上附近上下文，一次性交给模型。
• 预先整理记忆：Mem0 提取事实，Zep 建立带时间关系的知识图谱；回答时主要读检索出的整理结果。
• Agent 查文件：Pi、Codex、Claude Code 拿到原始 JSON 文件，用各自工具寻找答案。每题都从新会话、新容器开始。

工程上的区别很直接：预先整理必须在不知道未来问题时决定保留什么；Agent 则在知道问题后决定读取什么。grep 可以是起点，命中后再读附近内容、换关键词或写脚本查找，才组成完整的查资料过程。

最有意思的结果：少读一点，也能答得很好

搭配 Claude Opus 5.5 时，Pi 答对约 99%，完成整组问题花费 6.95 美元；直接读全文是 95%、17.84 美元。Pi 平均每题读取约一万输入 token，全文方案约两万九千。

这里有个影响分数的具体差别：Agent 收到的原始文件带照片说明，其他方案没有。只看不依赖照片证据的 88 道题，Pi 是 100%，全文与 Mem0 都是 99%，仅差一题。Pi 的优势主要体现在费用：答题水平接近直接读全文，而在全部 152 题的测试中，整轮费用从全文方案的 17.84 美元降到了 6.95 美元。

工具框架也影响账单。同样使用 Opus 5.5，Codex 与 Claude Code 的正确率分别为 98%、97%，整轮费用却是 25.41、28.41 美元，都高于直接读全文。让模型自己查资料能省多少，取决于它怎么查、调用多少次，以及工具返回多少内容。

预先整理，可能把答案整理没了

换成 GPT-6 Luna，直接读全文答对 92%，Mem0 是 80%，Pi 是 91%。预先提取出来的事实，没有比原始材料提供更好的答题基础。

这也是压缩式记忆的一个工程风险：提取阶段如果漏掉日期、关系或细节，后面的读取模型再强，也只能在留下来的材料里推理。保留原文，就给了系统重新定位证据的机会。

整理还有前置费用。Luna 给 Mem0 建记忆花了约 0.45 美元，直接读全文答完这 152 题总共约 0.29 美元。记忆建好后单题查询更便宜，同一份资料被反复问得足够多时，才有机会摊平这笔投入。

对 Poketto，价值在于把“自己查”做好

Poketto 的 Agentic 路线与这个结果契合：原文留在工作区，搜索负责定位，Agent 负责读上下文、继续追查和核对答案。系统不必把一次提取出的摘要当成唯一的记忆入口。

因此，值得优先打磨的能力很具体：搜索能否稳定找到原文，结果能否指向准确位置，读取能否带回够用的上下文，Agent 能否在证据不足时继续找。摘要和索引可以帮助导航，原始材料则保留着重新检查的余地。

这项实验每个配置只运行一次，聊天长度也都能放进受测模型的上下文，由 GPT-4o-mini 判分。下一步更值得测的是：资料长到无法一次读完后，这种按需搜索还能否兼顾准确率与成本。

对工程选择而言，MemoryTax 给出了一个很有价值的起点：在增加一层复杂记忆系统之前，先把“保留原文，让 Agent 自己查”作为认真测试的基础方案。

论文：MemoryTax: The Bitter Lesson of Agent Memory · 全文与附录 作者：Zedong Peng（上海交通大学） · 提交日期：2026-10-21