我给 Agent 接上了记忆。这是两个月的真实数据。

第一件事：我不再粘贴了

用 Echo 之前，我真正的工作是替几个互相失忆的同事搬箱子。ChatGPT 里做完 research，搬去 Codex；Claude Code 里摸清的架构，向下一个 session 重新解释一遍；昨天已经排除的路线，今天重新争论一遍。

每个点 ≈ 每 session 约 1,700 字符的 context。过去 212 个点全部由我粘贴；现在我只打出 蓝色那一个 —— 其余由 agents 通过 Echo 自己取回。

÷212

我不再手动搬运的 context

360,000→1,700字符 / session

用 Echo 之前最狠的一次：单个 session 粘贴了 798,000 字符。

ChatGPT

Claude Code

Codex

每个 agent 底下，是同一层记忆。

我每个 session 手动输入或粘贴的 context，从约 36 万字符降到约 1,700。同一件事的另一面：agent 自己发起的检索从每 turn 约 2 次涨到约 15 次。把过去带进现在这件事，离开了我的手。

我不再是 AI 工具之间的人肉记忆总线。

Agent 变聪明了 —— 从第一步开始

没有记忆时，每个新 session 的前半段是考古：git log、rg、把同一批文件重读一遍，然后等我纠正它的理解。有了记忆，它直接从已经存在的决策、约束和失败路径出发 —— 变化写在日志里，不在形容词里。

这不是记忆让模型变聪明了。是模型不用再穿过自己昨天留下的废墟，才能碰到今天的问题。从你的工作状态出发的模型，表现就是比从零出发的同一个模型聪明。

不是更小的账单，是更大的一天

如果故事停在“token 少付 63%”，Echo 只是一个省钱工具。真正的问题是：省下来的搬运和重新定位，最后去了哪里。

还有一个没人预料的数字：我的 research 和 GTM sessions 现在烧的 token 和工具调用比以前 更多。这不是退步 —— 那些活以前是我半夜亲手干的。现在，真的是 agent 在干。

我没有工作得更久。我的工作只是不再每天早上归零。

Harness 论点

模型在标准化。真正决定结果的，是模型外面那一层 harness —— context、记忆、工具、权限、评估。机制我们在 《Agent 是怎么工作的：深入理解上下文窗口》 里拆过。

在这层 harness 里，记忆决定一件最根本的事：agent 是在持续工作，还是每天早上归零。它也是最难后期补上的一层 —— 工具可以换，权限可以重配，但两个月里积累的决策、约束和失败路径，丢了就是真的丢了。

不是模型更聪明了。是 harness 不再扔掉模型已经学到的东西。

数据来源：Codex828 个 sessionsClaude Code完整 transcripts · 我自己的生产工作，不是 benchmark

测量说明：以 2026 年 6 月 12 日第一次真实 EchoMem MCP 调用为分水岭，数据来自 828 个 Codex sessions 以及本地 Claude Code / Desktop transcripts。Coding 部分使用同 repo 的历史配对样本：5 个 Echo warm-up sessions 对 7 个无 Echo controls，按 user turn 计算，不是随机同模型 A/B。非编码部分比较的是工作流迁移：chat + 手工粘贴，变成 agent + memory recall。以上均为我自己的生产工作，不是通用 benchmark。English version: I Gave My Agents a Memory. Two Months of Real Data.