从“记住”到“学会”：OceanBase seekdb M0 如何让 Agent 真正积累经验

过去一年，AI Agent的能力进步显著，但在实际生产场景中，一个核心问题日益凸显：很多任务明明已经成功执行过一次，下次遇到相似目标时，Agent仍然像从头开始一样重新摸索。执行路径无法有效收敛，之前踩过的坑也很难稳定绕过。这说明问题往往不在于技能（Skill）数量不足，而是系统缺少一套将成功轨迹沉淀为可复用能力的机制。

从记忆到学习的范式突破

OceanBase seekdb M0近期提出的Experience + Skill机制，正是为了解决这一根本问题。简单来说，上一个版本解决的是“别忘了”——即跨session记忆的问题；而这一次解决的是“要学会”——让Agent从过去的工作中真正学到东西。如果这套设计有效，那么价值就不应该只体现在记住了什么，而应该体现在真实任务中能否做得更好、更快、更省。基于这一判断，团队将验证放在了更具挑战性的AppWorld基准测试上。

为什么选择 AppWorld：工作型Agent与陪聊型Agent的本质差异

M0早期版本一直在locomo上测试。locomo是一个对话记忆基准，主要评估用户与Agent交流后能否正确回忆起之前的内容。这种测试对「陪聊型」Agent有意义，但不适合评估当前的工作型Agent。工作型Agent的核心特点是：不是陪你聊天，而是帮你干活——需要调用工具、多步推理、处理API返回的结构化数据。一个「能记住用户上周说喜欢TypeScript」的Agent，和一个「能帮用户在Spotify上建一个Taylor Swift歌单」的Agent，评估维度完全不同。AppWorld就是为后者设计的，它模拟了9个日常应用，提供457个API和750个自然任务。

Experience 与 Skill 的本质区别

在M0早期版本中，「经验」是一个统一概念。但在实际工作流中发现，这个词实际上包装了两种性质完全不同的东西。以Spotify为例：第一种经验是操作级知识——「Spotify的列表接口都需要分页，page_limit默认只有5，必须显式设为20，循环调用直到返回空列表才能拿到全部数据」。这种知识天然有结构，包含步骤和坑点，跨用户通用，适合共享。第二种经验是策略级知识——「要找用户播放最多的R&B歌曲，不能只查歌曲库，还需要从专辑库和播放列表库分别收集song_id，去重后逐个调show_song获取genre和play_count字段」。这种知识不涉及具体参数和返回值，而是引导整体方向。把这两种东西塞进同一个池子会导致检索信号互相干扰、上下文管理失控等问题。

渐进式加载与四路混合搜索

M0的解决方案是将Experience和Skill拆分开来：Experience是策略级知识，一两句话描述「做什么、注意什么」，轻量且注入上下文成本低；Skill是操作级知识，包含结构化的步骤流程（steps + pitfalls + prerequisites），有明确的操作路径。两者通过skill_refs字段关联，Agent首先看到Experience的摘要来理解整体策略，需要具体操作步骤时再通过skill_refs展开对应Skill的完整内容。这种「先摘要后展开」的设计被称为progressive loading。检索层面，M0采用了四路混合搜索：title_vector + description_vector + title_fulltext + description_fulltext，通过RRF融合（k=60）得到最终排序结果，向量擅长语义理解，全文擅长精确匹配，两者互补。

如有侵权，请联系删除。