超越記憶：面向異構協作知識工作的LLM代理模板化基底

在科研和教育專案等知識密集型工作中，大量研究發現、決策和推理過程往往隨著專案結束而丟失，尤其是那些被視為“死衚衕”的探索和後來被撤回的論斷。這些資訊對後續研究者極具價值，卻極少出現在正式出版物或共享程式碼中，導致許多失敗被重複。大型語言模型（LLM）編碼代理雖然已成為常見參與者，但缺乏跨會話的持久記憶，而基於原始來源的檢索增強生成（RAG）也無法積累知識。

針對這一問題，Karpathy（2026）和tonbi（2026）提出了llm-wiki模式，即在原始來源和LLM代理之間插入一個由LLM維護的互連Wiki。而本文作者在此基礎上，發展出可重用的模板化實現——llm-wiki-memory-template，並將其定位為一種支援異構協作知識工作的基底。該模板圍繞三個協作軸設計：多人類、多AI代理、多領域，每個軸由模板中不同的架構元素提供支援（詳見論文第4節）。

wiki的追加式寫入約定是模板的核心特徵之一。所有內容只增不改，從而同時保留成功與失敗記錄，解決了出版物和程式碼共享在結構上無法解決的負結果丟失問題。為了驗證這一設計，作者部署了三個案例研究和設計報告：一個單人研究專案完整儲存了被放棄的迭代版本；一個雙作者專案透過事後審計發現，之前聲稱的20/20證據覆蓋率實際僅為14和12項，經過修復後才達到18和18項，而失敗路徑完整儲存在製品中；一個正在進行中的多代理部署作為設計報告呈現；還有一個跨領域教育變體。

論文進一步指出，失敗路徑保留、代理誠實性（agent honesty）和歸用（appropriation）是這一製品跨社會技術層面的屬性，而非僅僅是技術機制。這項工作為LLM驅動的協作知識工作提供了一種結構化記憶方案，有望減少重複勞動並提高研究透明度。該模板的GitHub倉庫已公開，供研究社群使用和擴充套件。