一篇题为《Agents don't need memory, they need documentation》的博客文章提出一个对当前 Agent 工程实践颇具挑战性的判断：智能体真正缺的不是记忆，而是文档。文章链接为 https://liao.gg/blog/agents-dont-need-memory，在 AI 产品方向引发关注。
这里的核心分歧在于“记忆”这一概念被赋予的角色。过去一段时间，为智能体补上记忆层几乎是默认动作：把历史交互存进向量库，做会话摘要与检索，试图让模型在跨会话、跨任务时保持连续性。而文章标题所主张的思路是，这类机制解决的是“把过去存下来”，但智能体真正需要的是“把该知道的东西写清楚”——即以文档形式显式承载规则、流程、领域知识与任务约束，让模型在需要时直接读取可靠的、可维护的信息源。
对 AI 产品团队而言，这一视角的实践含义在于优先级排序。记忆系统往往涉及存储、检索、压缩与一致性等复杂工程，且效果难以稳定评估；而文档是显式的、可版本管理、可人工审查、可复用的资产。把知识写进文档，也意味着当模型、提示词或框架更换时，积累不会随之作废。反过来看，如果底层知识本身散乱或缺失，再强的记忆检索也只是把噪声反复召回。
需要说明的是，这是一篇观点性文章，并非产品发布或研究成果，其结论的可迁移程度取决于具体场景：长周期陪伴类、需要用户偏好延续的产品，与以任务执行为主、依赖明确规范的产品，对记忆与文档的权重并不相同。真正值得讨论的，或许是两者边界如何划分。