经验压缩谱：统一大语言模型智能体中的记忆、技能与规则

随着大语言模型智能体扩展至长程多会话部署，高效管理累积经验成为关键瓶颈。尽管记忆系统与技能发现均旨在从交互轨迹中提取可复用知识，但两者社区引用率极低。本文提出“经验压缩谱”统一框架，将记忆、技能和规则视为单一压缩轴上的不同点，直接降低上下文消耗与计算开销。映射分析显示现有系统仅固定于特定压缩层级，缺乏自适应跨层压缩能力。文章进一步揭示了评估方法与压缩层级的耦合性，并提出了可扩展的全谱系智能体学习系统设计原则。