Recursive Experiential-Working Memory Evolution for Long-Horizon Agent Harnesses

TL;DR Recuris 用工作记忆跟踪进度并引导技能调用，将失败定位到具体记忆组件，由元代理验证门控更新技能记忆，形成有界递归演化，在最长任务上成功率提高 32.2 点。

问题

问题背景

长时程智能体（long-horizon agent）是当前自主智能体研究的核心方向，任务涉及多步交互、状态保持与技能组合，业界关注如何让智能体在复杂环境中稳定执行长程任务。

现有方法局限

• 主流做法将完整交互历史或压缩后的上下文输入策略模型，但历史增长导致关键状态信息被淹没，技能调用依据模糊，出现上下文稀释 和错误技能激活。
• 经验记忆（Experiential Memory）和技能库（Skill Memory）多为静态或启发式更新，缺乏与当前任务进度绑定的动态选择机制。
• 递归自我改进（RSI）在长时程任务中难以形成有效的反馈闭环：失败追踪难以定位到具体记忆组件，更新常是全局重训或提示词微调，效率低且容易破坏已有能力。

为什么这个问题难/重要

• 技术挑战：需要将执行轨迹转化为结构化证据，对失败进行模块级定位，并用验证门控的局部更新替代全局改动，避免灾难性遗忘。
• 业界关注：长时程智能体是客服、自动化工作流、多步工具调用等场景的核心，提升其成功率和可靠性直接带来生产力价值。论文在 4 个基准、10 个模型上验证，最长任务上提升 32.2 个百分点，表明问题存在普遍瓶颈。

行业类比

类似强化学习中的信用分配（credit assignment）：长序列中让智能体知道哪些决策对最终成功有贡献，Recuris 通过工作记忆与经验记忆耦合，实现任务内的状态引导与跨任务的技能演化。

核心洞察

• Recuris 的核心设计是将长程任务中的状态跟踪与技能选择解耦，通过 Working Memory 维护结构化工作状态，指导从 Experiential Memory 中按需调用技能。 与依赖完整对话历史或静态检索的 baseline 不同，这种耦合让技能调用基于当前任务进度而非全量历史，有效抑制长程执行中的上下文噪声与技能错配，同时把执行过程转化为可定位的结构化证据，为后续记忆演化提供细粒度信号。
• 另一个关键贡献是把递归自我改进约束为有界的、验证门控的局部记忆更新。 Recuris 利用结构化痕迹将失败定位到具体的 Skill Memory 组件，固定 Meta-Agent 据此生成组件级补丁并通过验证才允许写入，形成闭环演化。相比全局微调或端到端 RSI，这种局部且有验证的更新既能持续提升长程任务成功率，又避免灾难性遗忘，并且演化后的技能可跨模型迁移，具备更强的可扩展性。

方法

输入

• 长程任务中的交互历史、当前任务状态、初始 Skill Memory 集合以及任务描述。

关键模块与流程

1. Working Memory (WM)：维护结构化工作状态（如子目标、约束、已完成步骤），避免直接使用冗长历史。
2. Experiential Memory (EM)：存储可复用的技能/经验片段，WM 根据当前状态从 EM 中选择最相关的技能调用，即状态引导技能调用。
3. EM–WM 耦合验证：执行后，结果作为证据用于更新 WM 状态（证据引导状态更新），形成闭环；同时将整个执行过程记录为结构化痕迹，便于失败定位。
4. Skill Memory 演化：固定的 Meta-Agent 分析结构化痕迹，将失败定位到特定技能组件（如技能前提、动作序列、后置条件），并生成组件级补丁；补丁需通过验证门控（在验证集上评估）方可接纳，防止性能回退。
5. 递归循环：更新后的 Skill Memory 改变执行行为，产生新痕迹，触发下一轮演化，构成有界递归记忆演化（轮数或更新幅度受限）。

输出

• 演化的 Skill Memory 及对应的 agent 执行策略，在长程任务上持续提升成功率（论文报告 35/37 模型-基准对提升，最高 +32.2 分）。

与同类方法的差异点：不同于基于完整历史上下文的全局策略优化或一次性技能库构建，Recuris 通过 WM–EM 耦合将失败证据精确关联到记忆组件，实现局部、验证门控的递归更新，既避免灾难性遗忘，又支持跨任务/模型迁移。

实验

实验设计

Recuris 在四个长程基准（含 tau-bench、SkillFlow）上评估，覆盖十个模型、37 个模型-基准组合。对比各模型原生 agent 表现，采用验证门控的递归记忆进化机制。

关键发现

在 tau-bench 上，Recuris 将 GPT-5.6 Sol 提升 +17.8 分，将 Claude Opus 5 提升 +15.6 分（达到 87.9%）；在 SkillFlow 上，Qwen3.6-27B 和 Qwen3.6-35B 分别提升 +16.6/+13.5 分。优势随交互 horizon 增长而扩大，在最长任务上提升 +32.2 分，常见长程失败率降低最多 80%。在 35/37 个模型-基准组合中均取得提升。

对比解读

相比原生 agent，Recuris 的 EM–WM 耦合使技能调用基于当前工作状态而非完整历史，显著减少长上下文干扰；递归进化将失败定位到具体记忆组件，验证门控确保更新不破坏已有能力。因此优势在更长 horizon 上愈发显著，表明其作为 recursive self-improvement 基础的可扩展性。

行业影响

落地场景

Recuris 的递归记忆演进架构适合长程、多轮、状态易丢失的智能体任务，如 电商售后客服（多轮退货 / 换货 / 投诉处理）、企业 IT 运维（跨系统故障排查与修复）、金融合规流程（多步审批与文档生成）、代码生成 agent（长上下文重构与调试）。其工作记忆跟踪任务进度，经验记忆提供技能选择，可在现有 agent harness 中作为记忆层增强。

商业价值

主要带来 降本 和 体验提升：长程任务成功率提升（在 tau-bench 上 GPT-5.6 Sol 增加 17.8 点，Claude Opus 5 提升到 87.9%），意味着更少的人工介入和重试。随着交互轮次增长，优势扩大（最长任务上 +32.2 点），直接降低单任务计算与人工成本。失败模式减少 80%，提升用户满意度，增强企业自动化流程的可靠性。

与现有产品 / 工作流的接口

Recuris 可作为 记忆与元学习模块 插入 LangGraph / AutoGen / Semantic Kernel 等编排框架。其结构化 trace 可用现有日志系统采集，Meta-Agent 的验证门控更新可对接 CI/CD 或评测流水线。不改变原有 agent 推理核心，只需在状态管理和技能检索处替换为 Recuris 的 EM-WM 耦合，并周期性运行 Meta-Agent 更新 Skill Memory。

具体用例

1. 电商智能客服：处理多轮售后，如“商品破损→申请退款→上传凭证→选择补偿方案”，Recuris 工作记忆跟踪当前步骤，经验记忆匹配历史成功技能，Meta-Agent 根据失败 trace 更新某一步骤的话术或工具调用，减少客服升级率。
2. 企业 IT 运维 agent：长程故障诊断流程（收集日志→定位组件→执行修复→验证），Recuris 可将失败的修复动作定位到具体技能记忆，验证后更新，使 agent 在多次相似事件后显著提升一次修复率。

局限

• **验证门控依赖外部验证器**。论文中 `validation-gated` 机制依赖可靠的任务反馈或自动验证器，但在开放域、稀疏奖励或主观任务中，高质量验证信号难以获得，可能导致错误补丁被采纳或有效更新被丢弃。论文未讨论验证器本身的构建成本与可靠性，也未分析其在对抗性噪声下的鲁棒性，这限制了该方法在缺乏明确奖励函数的环境中的实用性。
• **递归进化带来额外计算和上下文开销**。工作记忆的状态跟踪、经验记忆的检索、结构化证据的生成以及 Meta-Agent 的补丁生成均会增加 token 消耗和推理延迟。论文未报告与基线的推理成本对比，也未讨论长时程任务中记忆增长导致的上下文窗口压力。对于资源受限或实时性要求高的部署场景，这些开销可能成为瓶颈。
• **跨域泛化与持续进化能力尚不明确**。虽然实验表明进化后的技能记忆能在相似任务和不同模型间迁移，但所有评估均基于四个特定基准，缺乏对分布外领域或完全新颖任务的测试。此外，Meta-Agent 固定，其进化能力受限于初始知识，难以自主发现未预设的技能结构，长期递归进化可能陷入局部最优或产生灾难性遗忘。