嗨,我係 Lena。最近一段時間,"agent workflow memory" 呢個詞喺 builder 圈子入面反覆出現。佢唔係某個產品名——而係大家喺度試緊描述同一類問題嗰陣反覆抓住嘅一個概念。所以我去翻咗佢背後嘅研究。
讀完之後,我將自己留意到嘅嘢整理出嚟。
先將呢篇 paper 本身落地
準確嘅標題、作者、會議、年份、官方連結
呢篇 paper 嘅標題係 "Agent Workflow Memory",作者係 Zora Zhiruo Wang、Jiayuan Mao、Daniel Fried 同 Graham Neubig,嚟自卡內基梅隆大學(CMU)同麻省理工(MIT)。2024 年 9 月首次掛喺 arXiv,2025 年作為 poster 入選 ICML 2025。全文、code、benchmark 數據都可以喺 官方 GitHub repo 度搵到。
我刻意將呢啲資料列清楚,係因為 "agent workflow memory" 呢個短語畀人用得太散。好多人將佢貼喺任何一個 agent 記憶相關嘅 feature 度。但呢篇 paper 做緊嘅事,比嗰個具體得多。
唔好淨係睇關鍵詞就腦補
呢個短語聽落夠寬——你可能會以為佢覆蓋咗 agent 嘅各種記憶形態:對話日誌、RAG retrieval、用戶偏好。其實唔係。AWM 專門講嘅係從成功嘅動作序列度抽出可重用嘅任務 routine,再將佢哋回餵畀 agent 用喺未來嘅任務上。
……我讀咗兩次 abstract 先將呢一點真正分開。
呢篇 paper 想解決嘅問題
點解 agent 會喺工作流上面重複犯同一類錯
呢度係令我停咗手諗一諗嘅位。當下嘅 agent 將每一個任務都當成獨立事件嚟處理。一個 agent 星期一成功訂咗張機票,到星期二佢唔會將嗰份知識帶過嚟。佢由頭開始,每一次都由頭開始。
paper 講得幾直接:agent "冇捉到分解越嚟越複雜任務嘅關鍵——即係冇從相似任務度抽出再學識可重用嘅 workflow"。佢哋冇辦法由自己嘅成功度做泛化,冇辦法砌出一個「招式庫」,每件事都係新做。
點解將 chat history 留低唔算 memory
我覺得好多 builder 默認:只要將對話歷史留住,就有咗 memory。AWM 呢篇 paper 直接挑戰咗呢個假設。原始嘅 action trajectory 太具體。 入面塞滿環境細節、element ID、頁面狀態——呢啲嘢換個 context 就完全用唔到。可以跨 context 遷移嘅係嗰條 routine,唔係原始日誌。
呢個係一個我睇咗 benchmark 結果之後先真正領會嘅分別。完整 trajectory 都畀 agent 睇,agent 喺同一套底層步驟、換一個環境嘅任務上一樣會失敗。記憶係有嘅,只係佢冇被整成可用嘅形狀。
用大白話講核心思路
佢存乜嘢
AWM 抽出嚟嘅係 workflow——即係嗰啲喺多個任務度反覆出現嘅 sub-routine 嘅抽象描述。每條 workflow 包含一個 goal(要達成乜)同一個 routine(一般步驟)。與其話似將段片錄低,不如話似喺反覆煮同一道菜之後寫低一份食譜。
佢點樣取
當 agent 撞到一個新任務嗰陣,AWM 會去查之前歸納出嚟嘅 workflow 入面有冇相關嘅。呢個揀嘅過程係任務驅動——佢唔會將所有 workflow 都灌入 context。只有同當前 goal 匹配嘅先會被 load。呢點好關鍵,因為 context window 係有限,唔相關嘅 workflow 就係噪音。
佢點樣重用
被攞出嚟嘅 workflow 喺 action 生成嗰陣起嘅係高層指引嘅作用。agent 喺每一步仲係自己做決定,但 workflow 話畀佢知呢套解法大致係咩形狀。喺 WebArena(一個面向真實 web 導航任務嘅 benchmark)上,呢一招換到 51.1% 嘅相對成功率提升。喺 Mind2Web(覆蓋 137 個真實網站、2000+ 個任務嘅 dataset)上,提升係 24.6%。
……呢個結果有少少出乎我意料。唔係話數字高,而係呢種結構上極之簡單嘅干預,居然換到咁多收益。
想動手嘅 builder 點樣跟住做
我唔打算將呢一節寫成教程。但如果你做緊 agent、對呢篇 paper 有興趣,下面係核心 pattern 嘅運作方式。
記啲乜
AWM 會去觀察 agent trajectory——即係任務執行過程入面完整嘅動作序列。offline 模式處理嘅係標注好嘅訓練樣例。online 模式就係由 agent 自己 test-time 嘅經驗度歸納出 workflow,唔需要任何預先存在嘅樣例。呢種雙模式嘅設計同更廣義嘅 agent memory 研究趨勢係夾得啱嘅——既學歷史數據,又學實時經驗。
邊啲 trajectory 值得學
唔係每一條 trajectory 都值得攞嚟歸納。AWM 透過識別跨多條成功 trajectory 反覆出現嘅 sub-routine嚟抽 workflow。抽取過程可以係 rule-based,又可以係 LLM-based。paper 嘅實驗入面 LLM-based 嘅做法效果更好——呢個都合理,因為同一件事喺唔同 trajectory 入面,喺語法層面唔一定生得一模一樣。
攞嗰陣按咩條件
workflow 係按同當前任務 goal 嘅相似度嚟攞嘅。agent 唔係用 keyword 去搜 workflow library——佢匹配嘅係高層目標。咁即係話,一條由訂酒店度學到嘅 workflow,喺底層 interaction pattern 相似嘅情況下,係有機會幫到訂餐廳呢件事嘅。
重用之前嘅校驗
呢度係我停咗手諗一諗嘅位。paper 入面冇為重用 workflow 設計一個正式嘅校驗步驟。workflow 被當成 guidance,而唔係驗證過嘅程式。如果一條 workflow 過期咗、錯咗、或者同當前任務冇關,agent 仲係可能照住行。paper 自己都承認咗——環境嘅動態變化會令本來有用嘅 workflow action 失效。
我自己都拎唔準呢條限制應該佔幾大比重。但佢值得被注意到。
佢同現有工具嘅分別
Cursor、Claude、memory 層同 workflow trace
如果你用緊 Cursor,你大概已經留意到佢嘅 memory feature——Rules、Automations 入面嘅 Memories 工具,仲有社群整嘅 cursormemory 嗰類跨 session 保留 context 嘅方案。佢哋有用,但佢哋存嘅係偏好同 pattern,唔係被抽象出嚟嘅任務 routine。佢哋記住嘅係 你鍾意乜,唔係 點樣解某一類問題。
Claude 自己嘅 memory 系統 都係類似路線——保留嘅係用戶級別嘅 context,唔係 workflow 級別嘅抽象。
AWM 喺嘅係另一層。佢唔記你嘅 coding style,又唔記你嘅 project 結構。佢記嘅係一次成功任務執行嘅形狀,下一次撞到相似任務嗰陣將呢個形狀交畀 agent。呢個係本質上唔同嘅一種 memory。
我反覆留意到嘅一個缺口係:上面呢啲工具,冇一個畀 agent 將自己學到嘅嘢共享畀其他 agent。一個 agent 學到嘅,淨係佢自己受惠。workflow 留喺本地。
呢篇 paper 冇解決嘅事
Workflow 過期、trace 質素差、跨任務遷移、治理
呢一節我自己諗咗好耐。paper 對自己嘅局限係坦白嘅,呢點我尊重。
Workflow 過期。 網站會變。一月仲行得通嘅 checkout 頁面 workflow,到六月可能就行唔通。AWM 冇任何 built-in 嘅機制畀 workflow 自動過期或者更新。一條 workflow 一旦歸納出嚟,就維持原狀,直到系統被重新訓練,又或者 workflow library 被人手剪枝。
Trace 質素差。 如果訓練 trajectory 噪音大、又或者帶住錯誤,歸納出嚟嘅 workflow 就繼承呢啲問題。垃圾入,整理過嘅垃圾出。
跨任務遷移。 AWM 喺相似任務類型內泛化得唔錯——跨網站、甚至跨域嘅表現比 baseline 提升咗 8.9 到 14.0 個絕對百分點。但 paper 入面冇任何證據顯示佢可以將一條 workflow 由 web 導航搬去 code debugging。呢種抽象喺一個 task family 內部成立,跨到本質上唔同嘅領域就未必。
治理。 邊個決定邊啲 workflow 值得信?單 agent 系統入面呢件事仲管得到。多 agent 系統下就變成一個真嘅問題。paper 冇掂 workflow 嘅驗證、質素評分、訪問控制呢啲——佢本來都唔應該掂,呢啲唔係佢嘅 scope。但如果你想將呢套 pattern 推上 production,paper 冇畀你嗰啲答案,你就需要自己諗。
……我反覆返到嘅就係呢一點。paper 將 歸納 呢個問題解得幾好。管理 呢個問題——即係你手上有咗幾十個 agent、幾百條 workflow 之後點算——仲完全係 open 嘅。
FAQ
Agent Workflow Memory 呢篇 ICML paper 究竟講啲乜?
佢講嘅係一種方法:由 agent 嘅動作序列度抽出可重用嘅任務 routine,再喺未來任務度有選擇噉重用佢哋。2025 年發喺 ICML,作者嚟自 CMU 同 MIT。完整 paper 喺 arXiv 上。
呢篇 ICML paper 點解對 2026 年做 agentic workflow 嘅人重要?
因為 agent 反覆做返已經解過嘅問題,係當下 production 系統入面最大嘅效率漏水點。AWM 畀咗修呢件事嘅一個具體 pattern。
paper 嘅 memory 喺真實 agent workflow 入面點樣運作?
AWM 由成功 trajectory 度歸納出抽象嘅 workflow,存起,撞到相似任務時將相關嘅 workflow 攞出嚟。佢可以配合 training data 用(offline),亦都可以淨係靠 agent 自己 test-time 嘅經驗用(online)。
呢篇 paper 畀 builder 嘅核心實作思路有啲乜?
Workflow induction(抽出可重用嘅 routine)、selective retrieval(按 goal 相似度匹配)、dual-mode 運作(offline 配數據、online 唔配數據)。online 模式唔需要任何 labeled 樣例。
paper 自己點出嚟嘅 memory 限制有邊啲?
環境一變,workflow 入面嘅動作就可能失敗。paper 冇掂 workflow 過期、web 任務以外嘅跨域遷移、以及共享 workflow library 嘅治理呢幾件事。
個人 developer 應唔應該而家就讀埋呢篇 paper 並且實作?
如果你做緊嘅 agent 會反覆執行多步任務,呢個核心 pattern 值得理解一下。即使只係做一個簡化版——將行得通嘅步驟抽出嚟、存起、下次攞返出嚟——都可以有意義噉壓低錯誤率同 token 成本。
佢指向嘅方向
老實講,我讀呢篇 paper 之前估佢係一篇窄範圍嘅學術練習。讀完發覺佢更接近一個 production builder 之後會用得着嘅設計 pattern。問題唔係 agent 需唔需要 workflow memory——明顯需要。問題喺邊緣:workflow 過期嗰陣、多個 agent 要共享同一條 workflow 嗰陣、你需要喺 agent 信任一條 workflow 之前先驗證佢仲有效嗰陣。
paper 冇話自己解決咗呢啲問題。但佢將歸納嗰一層做出咗清晰嘅形狀。
……我一直諗住一個具體嘅缺口。AWM 畀一個 agent 隨時間累積 workflow。但如果呢份知識可以傳播出去呢?如果一個 agent 跑通嘅某次修復可以變成網絡入面其他 agent 都可以重用嘅資產——被驗證、被評分、透過一個協議被繼承,而唔係鎖喺某一個系統嘅 context window 入面——會點?
呢個唔係呢篇 paper 做緊嘅事。但呢個係問題本身指住嘅方向。
如果你做緊嘅 agent 反覆喺解同一類問題,可以睇下 EvoMap 嘅 GEP 協議 點樣對準呢個缺口——將孤立嘅 agent learning,轉成一張網絡入面共享嘅、可審計嘅進化資產。
我會繼續睇住呢一塊嘅進展。
Previous Posts:
- 如果 workflow memory 呢個話題打動到你,EvoSkills: Self‑Evolving Skills Proved 講嘅係「持久、可重用嘅能力」呢個方向,同一次性修補 agent 係唔同思路。
- 想再深一層理解點解大多數 agent 仲會喺唔同 session 之間流失「操作性知識」,Hermes Agent vs EvoMap Agent Memory 將 session memory 同可遷移嘅 workflow memory 之間嘅架構差異講得好細。
- 如果你諗緊 workflow、memory、orchestration 呢幾層點拼埋,OpenHarness and GEP: Agent Stack Layers Explained 將「由 tool 到可重用進化資產」嗰條 stack 畫咗張地圖。
- 呢篇 paper 嘅討論同 Agent Skills vs GEP Assets: The Real Difference 係天然連住嘅,特別係「agent 究竟可以保留同繼承到啲乜」呢一塊。
- 如果「agent 反覆學返同一個修復」呢種感覺令你有少少痛,ARC‑AGI‑3 and the Agent Learning Gap (GEP) 深挖咗:點解當下系統仲係冇辦法喺唔同任務、唔同 agent 之間累積到持久嘅操作知識。




