一句话看懂：上海交通大学等机构的研究团队发现，用五个固定槽位的结构化内存替代传统 AI 代理的无限聊天日志，能让 AI 在策略卡牌游戏《杀戮尖塔 2》中胜率从 0 提升至 60%，同时消耗的算力成本降低一个数量级。这一结果表明，困扰前沿大模型的复杂推理问题，可能更多出在记忆架构上，而非模型能力本身。
事件核心：发生了什么
据 The Decoder 报道，Alaya Lab 联合上海交通大学等机构开发的 AgenticSTS 项目，通过重新设计 AI 代理的记忆架构，在《杀戮尖塔 2》的最低难度（A0）下完成了 10 局游戏并获胜 6 局。作为对比，此前包括 GPT-4 在内的前沿模型在该游戏中从未赢过一局。
核心创新在于：传统 LLM 代理（如 ReAct、Reflexion）将每次对话、工具调用和反思都追加到下一轮提示词中，导致上下文不断膨胀直至注意力稀释。AgenticSTS 则建立五个独立的记忆槽位：L1 固定协议、L2 当前动作状态、L3 游戏规则检索库、L4 局次总结、L5 策略技能库。每次决策时，系统从头拼接这五个槽位的内容，而非加载完整历史。
最有效的改进来自 L5 策略技能库：存储针对特定场景的战术规则。无论这些规则是手动编写还是模板生成，都能将胜率从 30% 提升至 60%。而在跨难度测试中，只有启用跨局记忆（L4），代理才能达到 A6-A8 的高难度层级，否则止步于 A2-A4。
成本对比更为关键：与另外两个采用传统记忆模式的公开代理（STS2MCP 和 CharTyr）相比，AgenticSTS 每得一分仅消耗约 1/90 的 Token。原因是前者在游戏后期单次调用即可达到约 52.7 万 Token——整个游戏历史被反复传送。
为什么重要
这项研究直接挑战了“更长的上下文窗口=更好的推理”这一行业共识。当前所有主流大模型 API 的定价都以 Token 用量计，而 AgenticSTS 证明，结构化、可检索的内存设计可以在不增加推理成本的前提下显著提升复杂任务的完成度。
这也解释了为何大量 AI agent 产品在真实场景中表现不佳：它们只是把对话日志无限追加给模型，导致注意力在冗长的历史中分散。该方案相当于为 agent 设计了一个可更新的知识库而非无限聊天记录——这指向一种更接近人类工作记忆的架构，而非依赖模型自身对长文本的注意力机制。
对研发团队而言，五个独立槽位的设计还带来了可调试性：哪个组件有效、哪个无用，可以精准归因，不再需要猜测是否由提示词或模型能力导致。
对用户/开发者/创作者的影响
AI 应用开发者：如果你正在构建需要连续决策的 agent（如客服、自动化操作、游戏 AI），可以考虑放弃“一次对话跑到底”的模式。采用固定结构的记忆库（如技能库、局次总结）可大幅降低推理成本，并可能提升任务成功率。目前开源社区已有类似思路的 MemGPT 等项目，但 AgenticSTS 更专注于结构化而非总结。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
游戏/策略类产品：本实验的机制可直接迁移到需要逐步决策、信息呈现且无外部 API 的场景。如果你的 AI 产品经常在长对话中“跑偏”，可能问题出在记忆架构而非模型选择上。
企业和采购方：选型 agent 平台时，可以关注其是否支持可配置记忆层、是否允许跨任务的知识复用，而非仅看支持多长的上下文窗口。后者往往是成本陷阱。
值得关注的后续
- 记忆的跨模型迁移能力如何解决？ 实验中，将 Gemini 3.1 Pro 积累的记忆堆栈直接传给 Qwen 3.6-27B 和 Deepseek V4-Pro 后，前者得分提升 84.5%，后者反而下降 18.1%。这表明记忆高度依赖模型偏好，开发者如果使用多模型策略，需要各自维护记忆库。
- 策略技能库能否自动化生成？ 团队提到技能库可由模板生成取得相同效果。如果后续能自动从任务失败中提取可复用策略，将大幅降低定制成本。
- 这一架构能否推广到游戏之外？ 《杀戮尖塔 2》的规则完全文本化且高度随机，接近真实世界任务（如浏览器操作、代码调试）的复杂度。如果该团队开源代码或发布兼容 LangChain 的实现，可能引发 agent 架构的一次小规模范式迁移。
