Apr 21, 2026 · Google Research
ReasoningBank：Agent 记忆从保存轨迹转向提炼成功与失败中的可迁移策略
Google Research 于 2026 年 4 月介绍 ICLR 论文 ReasoningBank，通过检索、经验提炼和记忆整合闭环，让 Agent 从成功与失败轨迹中形成结构化推理策略。
EVENT STORY
Development
- First ReportReasoningBank：Agent 记忆从保存轨迹转向提炼成功与失败中的可迁移策略Google Research
- Current Assessment长期运行 Agent 的竞争将从上下文长度扩展到经验治理：哪些失败值得记住、如何合并冲突规则、何时撤销过时经验，都会影响真实任务成本与稳定性。Agent Pulse · analysis
现有 Agent 记忆经常保存事实或完整操作轨迹，却没有把失败转成下次可执行的策略。ReasoningBank 把经验压缩为跨任务可复用的推理规则，使 test-time learning 成为持续 Agent 的新能力层。
每条记忆包含标题、描述与推理内容；Agent 执行前检索策略，完成后自评轨迹并提炼成功经验或失败反思，再把新规则合并回记忆库。论文在网页浏览与软件工程基准上同时报告成功率提升和任务步数下降，并公开代码。
长期运行 Agent 的竞争将从上下文长度扩展到经验治理：哪些失败值得记住、如何合并冲突规则、何时撤销过时经验，都会影响真实任务成本与稳定性。
采购持续 Agent 时应要求展示跨周任务复用、失败不重复率、记忆撤销和审计能力，而不是只声明支持长期记忆。
需要验证自评错误和恶意轨迹是否会污染记忆，并比较真实企业任务中的长期收益、记忆维护成本与跨模型迁移能力。