一份针对智能体记忆引擎的生产环境审计报告，揭示了一个尴尬的现实：显式反馈——理论上最强大的学习信号——在真实用户那里几乎从未被发送。

这意味着，智能体记忆系统赖以优化的核心数据源，在实际使用中处于近乎枯竭的状态。系统设计者以为用户会主动纠正、点赞或点踩，但真实行为远非如此。

打开网易新闻 查看精彩图片

信号缺失的根源

用户不发送显式反馈，并非单纯因为懒惰。在对话流中，打断流程去点击一个反馈按钮，本身就是一种认知负担。更常见的情况是，用户直接换一种说法重新提问，或者干脆放弃——这些隐晦的“沉默信号”远比显式反馈更频繁，却难以被系统捕捉和利用。

审计结果指向一个务实的方向：与其等待用户主动反馈，不如通过常驻智能体指令（standing instructions）来规定反馈行为。也就是说，把“何时反馈、如何反馈”写进智能体的行为准则，让反馈成为任务流程的一部分，而不是用户的额外义务。

这种做法的核心逻辑是：与其依赖用户的自发性，不如让系统主动索取信号。当反馈行为被预设为智能体的标准操作，学习信号的供给就不再取决于用户的临时意愿。

对记忆引擎的开发者而言，这份审计的价值在于提醒：设计学习机制时，不能假设用户会按照理想路径行动。真实世界的信号分布，往往和实验室假设相去甚远。