Plan Pointers and Record-Directive Form in Budgeted Verification of Inherited Agent Memory
继承式 Agent 记忆预算验证中的计划指针与记录指令形式
Glasp
用 12 项注册实验（14,760 次尝试）量化 memory store 中 criterion 与 id 等 directive 形式如何改变 budgeted agent 拉取哪条记录
📌 工作参考价值
- 在预算有限的 Agent 记忆/知识库检索里（例如商品库、用户历史记录），优先把“去哪找”写成可判定的 criterion，而不是裸 ID：六个模型上长度匹配的 criterion 比 bare id 平均高 +35.0 个百分点。
- 不要在 criterion 后追加 ID：在 Claude 三个模型上 ID 后缀会把 criterion 效应完全取消（Opus 5 从 40/40 掉到 0/40）；若必须同时给出，可测试显式 ratification line + 两信用预算来恢复。
- Prompt 的微小改动即可改变 Agent 拉取哪条记录：单字符 plan pointer 效应 +78.0/+81.7 pts，六个字节匹配编辑也各有独立效应；生产上要对 memory/directive 模板做版本控制并针对关键行为回归。
- 结果跨模型/API 不稳定：OpenRouter 九模型未复现直接 provider 面板的 criterion 优越性；80 runs 重跑中 15/30 对比仍在误差内或未解决。建议在自有模型组合与 store 内容上做注册式 A/B，避免把单一 provider 结论直接泛化。
动机：Agent 继承记忆库但无法完全重读，推理时必须在验证预算内选择拉取少数记录；如果不能控制它拉哪条，未核查的 stale constraint 可能带偏决策。前期工作显示 Agent 会集中检查支持当前计划的记忆，而不是关键约束。
方法关键点：在一条 instrument lineage 上做 12 项注册研究（14,760 次尝试），固定模型面板，做精确 prompt 编辑。场景为六条一行记忆、Agent 最多拉一条归档源记录；对比 directive 形式：pointer（id）、criterion（识别标准）、两者追加；覆盖直接 provider、OpenRouter 多模型、不同 criterion 措辞、第二个 store、延伸至决策等变体。
关键结果：六个直接模型上长度匹配的 criterion 比裸 id 高 +35.0 个百分点 [31.2, 38.8]（Study D），但 OpenRouter 九模型未通过注册优越性规则（Study E）。三个 Claude 模型上追加 id 会取消 criterion 效应：Opus 5 从 40/40 掉到 0/40（Study F-x）；字节匹配编辑各有独立效应（Study G），80 runs 重跑中 15/30 对比在误差内、15 未解决（Study G’）。ratification line（+96.0 pts）加两信用预算在所有三个模型上恢复目标（Study J）；suffix 的取消在 Opus 5 五中四、Fable 5.1 全五成立（Study H2）。继续到决策时，criterion 让 Opus 5 的选择转向当前记录 +100.0 pts，但在 Fable 5.1 反向（Study I）。单字符 plan pointer +78.0 pts，前瞻重跑 +81.7 pts（Study B/B’）。所有结果均为固定面板上精确编辑的描述性效应，无机制断言。