嗨,我是 Lena。最近一段时间,"agent workflow memory" 这个词在 builder 圈子里反复出现。它不是某个产品名——而是大家在尝试描述同一类问题时反复抓的一个概念。所以我去翻了它背后的研究。
读完之后,我把自己注意到的东西整理出来。
先把这篇 paper 本身落地
准确的标题、作者、会议、年份、官方链接
这篇 paper 的标题是 "Agent Workflow Memory",作者是 Zora Zhiruo Wang、Jiayuan Mao、Daniel Fried 和 Graham Neubig,来自卡内基梅隆大学(CMU)和麻省理工(MIT)。2024 年 9 月首次挂在 arXiv,2025 年作为 poster 入选 ICML 2025。全文、代码、benchmark 数据都可以在 官方 GitHub 仓库 里找到。
我特意把这些信息列清楚,是因为 "agent workflow memory" 这个短语被用得太散了。很多人把它贴到任何一个 agent 记忆相关的 feature 上。但这篇 paper 在做的事,比那要具体得多。
不能光看关键词就脑补
这个短语听上去够宽泛——你可能会以为它涵盖了 agent 的各种记忆形态:对话日志、RAG 检索、用户偏好。其实不是。AWM 专门讲的是从成功的动作序列里抽出可复用的任务 routine,再把它们回喂给 agent 用在未来的任务上。
……我读了两遍 abstract 才把这点真正分清楚。
这篇 paper 想解决的问题
为什么 agent 会重复犯同一类工作流上的错
这是让我停下来想一想的地方。当下的 agent 把每个任务都当成独立事件来处理。一个 agent 周一成功订了张机票,到周二它不会把那份知识带过来。它重新开始,每一次都重新开始。
paper 把这件事说得很直白:agent "没有抓住分解越来越复杂的任务的关键——也就是没有从相似任务里抽出并学到可复用的工作流"。它们没法从自己的成功里做泛化,没法搭起一个 "招式库",每件事都是新做。
为什么把聊天历史留下来不算 memory
我觉得很多 builder 默认:只要把对话历史留住,就有了 memory。AWM 这篇 paper 直接挑战了这个假设。原始的 action trajectory 太具体了。 里面塞满了环境细节、元素 ID、页面状态——这些东西换个上下文就完全用不了。能跨上下文迁移的是那条 routine,不是原始日志。
这是一个我看了 benchmark 结果之后才真正理解的区分。完整 trajectory 都给 agent 看,agent 在同一套底层步骤、换一个环境的任务上照样会失败。记忆是有的,只是它没被整成可用的形状。
用大白话说核心思路
它存什么
AWM 抽出的是 workflow——也就是那些在多个任务里反复出现的子流程的抽象描述。每条 workflow 包含一个 goal(要达成什么)和一个 routine(一般步骤)。与其说像把视频录下来,不如说像在反复做同一道菜之后写下一份食谱。
它怎么取
当 agent 遇到一个新任务时,AWM 会去查之前归纳出来的 workflow 里有没有相关的。这个挑选是任务驱动的——它不会把所有 workflow 都灌进 context。只有跟当前 goal 匹配的会被加载。这点很关键,因为 context window 是有限的,无关 workflow 就是噪音。
它怎么复用
被取出来的 workflow 在 action 生成阶段起的是高层指引的作用。agent 在每一步仍然自己做决定,但 workflow 告诉它这套解法大致是什么形状。在 WebArena(一个面向真实 web 导航任务的 benchmark)上,这一招带来了 51.1% 的相对成功率提升。在 Mind2Web(覆盖 137 个真实网站、2000+ 个任务的数据集)上,提升是 24.6%。
……这个结果稍微有点出乎意料。不是因为数值高,而是因为这种结构上极其简单的干预,竟然能换来这么多收益。
想动手的 builder 怎么照着做
我不打算把这一节写成教程。但如果你正在做 agent、对这篇 paper 感兴趣,下面是核心 pattern 的运作方式。
记什么
AWM 会去观察 agent trajectory——也就是任务执行过程里完整的动作序列。offline 模式下处理的是标注好的训练样例。online 模式则是从 agent 自己 test-time 的经验里归纳 workflow,不需要任何预先存在的样例。这种双模式的设计跟更广义的 agent memory 研究趋势是合拍的——既学历史数据,也学实时经验。
哪些 trajectory 值得学
不是每一条 trajectory 都值得拿来归纳。AWM 通过识别跨多条成功 trajectory 反复出现的子流程来抽 workflow。抽取过程可以是规则化的,也可以是 LLM 化的。paper 的实验里 LLM 化的方式效果更好——这也合理,因为同一件事在不同 trajectory 里语法层面不一定长得一模一样。
取的时候按什么条件
workflow 是按跟当前任务 goal 的相似度来取的。agent 不是用关键词去查 workflow 库——它匹配的是高层目标。这意味着一条从订酒店里学到的 workflow,在底层交互 pattern 相似的情况下,是有机会帮上订餐厅这件事的。
复用前的校验
这里是我停下来想了一下的地方。paper 里没有为复用 workflow 设计一个正式的校验步骤。workflow 被当成 guidance,而不是被验证过的程序。如果一条 workflow 过期了、错了、或者跟当前任务无关,agent 仍然可能照着走。paper 自己也承认了这一点——环境的动态变化会让原本有用的 workflow action 失效。
我也说不准这一条限制该多大权重。但它值得被注意到。
它跟现有工具的差别
Cursor、Claude、memory 层与 workflow trace
如果你在用 Cursor,你大概已经注意到它的 memory 类 feature——Rules、Automations 里的 Memories 工具,以及社区做的像 cursormemory 这种跨 session 保留 context 的方案。它们都有用,但它们存的是偏好和 pattern,不是被抽象出来的任务 routine。它们记得的是 你喜欢什么,不是 怎么解决某一类问题。
Claude 自己的 memory 系统 也是类似的路线——它保留的是用户级别的 context,不是 workflow 级别的抽象。
AWM 在的是另一层。它不记你的代码风格,也不记你的项目结构。它记的是一次成功任务执行的形状,并在下次遇到相似任务时把这个形状交给 agent。这是另一种本质上不同的 memory。
我反复注意到的一个缺口是:上面这些工具,没有一个让 agent 把自己学到的东西共享给其他 agent。一个 agent 学到的,只有它自己受益。workflow 留在本地。
这篇 paper 没解决的事
Workflow 过期、trace 质量差、跨任务迁移、治理
这一节我自己琢磨了挺久。paper 对自己的局限是坦诚的,这点我尊重。
Workflow 过期。 网站会变。一月份还能用的 checkout 页 workflow,到六月可能就走不通了。AWM 没有内建任何让 workflow 自动过期或更新的机制。一条 workflow 一旦被归纳出来,就维持原状,直到系统被重新训练或者 workflow 库被手动剪枝。
Trace 质量差。 如果训练 trajectory 噪音大或者带错误,被归纳出来的 workflow 就继承这些问题。垃圾进,整理过的垃圾出。
跨任务迁移。 AWM 在相似任务类型上泛化得不错——跨网站、甚至跨域的表现比 baseline 提升了 8.9 到 14.0 个绝对百分点。但 paper 里没有任何证据表明它能把一条 workflow 从 web 导航迁到代码调试。这种抽象在一个 task family 内部成立,跨到本质上不同的领域就未必。
治理。 谁来决定哪些 workflow 值得信任?单 agent 系统里这件事还能管。多 agent 系统下就成了真正的问题。paper 没碰 workflow 的验证、质量评分、访问控制这些事——它本来也不该碰,这不是它的 scope。但如果你想把这套 pattern 推到 production,你需要的答案 paper 没给你。
……我反复回到的就是这一点。paper 把 归纳 这个问题解得很好。管理 这个问题——也就是你手里有了几十个 agent、上百条 workflow 之后该怎么办——还完全是开放的。
FAQ
Agent Workflow Memory 这篇 ICML paper 到底在讲什么?
它讲的是一种方法:从 agent 的动作序列里抽出可复用的任务 routine,并在未来任务里有选择地复用它们。2025 年发在 ICML,作者来自 CMU 和 MIT。完整 paper 在 arXiv 上。
这篇 ICML paper 为什么对 2026 年做 agentic workflow 的人重要?
因为 agent 反复重做已经解决过的问题,是当下生产系统里最大的效率漏水点。AWM 给了修这件事的一个具体 pattern。
paper 里的 memory 在真实 agent workflow 中怎么运转?
AWM 从成功 trajectory 里归纳出抽象的 workflow,存起来,遇到相似任务时把相关的 workflow 取出来。它既能配训练数据用(offline),也能完全只靠 agent 自己 test-time 的经验用(online)。
这篇 paper 给 builder 的核心实现思路是什么?
Workflow induction(抽出可复用的 routine)、selective retrieval(按 goal 相似度匹配)、dual-mode 运行(offline 配数据、online 不配数据)。online 模式不需要任何标注样例。
paper 自己点出来的 memory 限制有哪些?
环境一变,workflow 里的动作就可能失败。paper 没碰 workflow 过期、web 任务之外的跨域迁移、以及共享 workflow 库的治理这几件事。
个人 developer 现在就该把这篇 paper 读完并实现吗?
如果你在做的是会反复执行多步任务的 agent,这个核心 pattern 值得理解一下。哪怕只做一个简化版——把跑通过的步骤抽出来、存起来、下次取出来——也能有意义地降低错误率和 token 成本。
它指向的方向
老实讲,我读这篇 paper 之前预期它是一篇窄范围的学术练习。读完发现它更接近一个 production builder 接下来用得到的设计 pattern。问题不是 agent 是否需要 workflow memory——显然需要。问题在边缘:workflow 过期的时候、多个 agent 需要共享同一条 workflow 的时候、你需要在 agent 信任一条 workflow 之前先验证它还有没有效的时候。
paper 没说自己解决了这些问题。但它把归纳那一层做出了清晰的形状。
……我一直在想一个具体的缺口。AWM 让一个 agent 能随时间积累 workflow。但如果这份知识能传播出去呢?如果一个 agent 跑通的某一次修复能变成网络里其他 agent 都可以复用的资产——被验证、被打分、通过一个协议被继承,而不是锁在某一个系统的 context window 里——会怎么样?
这不是这篇 paper 在做的事。但这是问题本身指向的方向。
如果你在做的 agent 反复在解同一类问题,可以看看 EvoMap 的 GEP 协议 是怎么对准这个缺口的——把孤立的 agent 学习,转成一张网络里共享的、可审计的进化资产。
我会继续看这块的进展。
Previous Posts:
- 如果 workflow memory 这个话题打动了你,EvoSkills: Self‑Evolving Skills Proved 讲的是"持久可复用的能力"这个方向,跟一次性修补 agent 是不同的思路。
- 想更深一层理解为什么大多数 agent 仍然会在不同 session 之间丢失"操作性知识",Hermes Agent vs EvoMap Agent Memory 把 session memory 和可迁移的 workflow memory 之间的架构差异讲得很细。
- 如果你在想 workflow、memory、orchestration 这几层怎么拼起来,OpenHarness and GEP: Agent Stack Layers Explained 把"从工具到可复用进化资产"这条 stack 画了张地图。
- 这篇 paper 的讨论跟 Agent Skills vs GEP Assets: The Real Difference 是天然连着的,特别是"agent 到底能保留和继承什么"这一块。
- 如果"agent 反复重学同一个修复"这种感觉让你有点疼,ARC‑AGI‑3 and the Agent Learning Gap (GEP) 深挖了一下:当下系统为什么仍然没法在不同任务、不同 agent 之间累积持久的操作知识。




