智能體通常被期望能從失敗中吸取教訓，使經驗積累轉化為持續改進。但現實是，當前的智能體往往只能臨時恢復：在上下文內產生的反思容易在跨會話時被遺忘，還會擠佔本就有限的上下文窗口；而全參數微調不僅代價高昂，還可能干擾模型已有的能力。Yuval Kansal 與另外六位作者在 arXiv 論文《Don't Forget What You Just Learned: Self-Directed Repair Turns Agent Mistakes Into Lasting Lessons》中，提出了一種名為 Self-Direction 的機制，試圖在兩種極端之間找到更實用的路徑。
Self-Direction 的核心思路是：當智能體在某個任務上失敗時，它先對自身執行軌跡進行反思，從中提煉出一條可操作的教訓，隨後立即把這條教訓蒸餾進一個輕量級的低秩適配器（low-rank adapter）。與全參數微調不同，該方法保持基礎模型的原始權重凍結，只訓練額外參數，每個適配器所涉及的參數量大約相當於基礎模型參數總數的 0.02%。這種設計既避免了適配器訓練覆蓋基礎模型參數，也大幅降低了訓練成本。
完成訓練後，智能體會把這些適配器保存進一個持久化的“經驗庫”。當之後遇到相關問題時，系統會自動把對應的適配器路由到當前任務中，從而複用此前學到的糾正經驗。換句話説，錯誤不再只是一次性的上下文內補救，而是被固化成可檢索、可複用的模塊，讓智能體在跨會話的場景下仍能記住“剛剛學到的教訓”。
作者在多個基準上驗證了該方法的效果，實驗使用的智能體基於 Qwen 系列開放權重模型。測試覆蓋三類任務：開放式研究任務 GAIA、工具使用工作流 Claw-Eval，以及終端任務 Terminal-Bench 2.1。結果顯示，Self-Direction 將整體成功率提升了 8.9 至 17.0 個百分點，並且與前沿系統相比具有競爭力。
除了成功率的提升，研究還發現 Self-Direction 能減少未來再次遇到同一任務時的重複錯誤，使智能體糾正行為的可靠性接近翻倍。更值得注意的是，學習到的經驗具有遷移性：少量適配器無需額外訓練，就能泛化到數十個新任務上。這意味着智能體不必為每個新問題都從頭學習，而是可以藉助已有的經驗模塊快速適應。
論文將這種機制概括為“自我導向修復”，其目標是把日常錯誤轉化為持久經驗。從工程角度看，這一方法的價值在於它同時兼顧了上下文內重試的靈活性和策略更新的持久性，同時用極小的參數增量控制了成本與對原有能力的干擾。對於需要長期運行、跨會話執行任務的智能體系統而言，這種“錯誤—反思—蒸餾—路由”的閉環提供了一種可落地的持續改進方案。該論文於 2026 年 10 月 22 日提交，arXiv 編號為 2610.31846，屬於 cs.AI 與 cs.LG 交叉領域。