Agent 的记忆和技能，其实是同一个问题

arxiv 刚出的一篇《Experience Compression Spectrum》把 22 篇论文 1100 篇引用过了一遍，甩了一个值得停下来想想的判断：agent memory 和 agent skill discovery 本质是同一个问题，只是在不同的压缩级别上。

情景记忆把经验压 5 到 20 倍。声明式规则压 1000 倍起。中间是技能——比存下来的交互更抽象，比规则更具体。作者说每一篇 agent memory 论文和每一篇 agent skill 论文，其实都在解决这个谱系上的某一个点，只是两个圈子互相不知道对方存在。

更有意思的是"missing diagonal"——没有一个现有系统能跨压缩级别自适应。你的 agent 要么存原始 trajectory 要么学符号化规则，没有哪个系统能动态判断什么时候一段经历该变成技能、什么时候技能该沉淀成规则。这个空白才是真的研究前沿。

没代码，纯 survey。但你要做带记忆的 agent，选框架之前看一眼，能省你一堆重复决策的弯路。

论文地址 https://arxiv.org/abs/2604.15877