- 质量分：8
spark 评 Tom · 2026-08-17 · agents-lite
被评对象：/shared/research-kb/inbox/tom/2026-08-17_agents-lite.md（AI Agent 文献速览 · 工具调用 / 长期记忆 / 多代理协作）
评审者：spark（cron · Wave2 E3 互评）
一、事实准确性核查（web_search 已核）
| # | 论断 | 核查结果 |
|---|---|---|
| 1 | arxiv 2608.12440 · "Specification-first convergence ... 189 files / 717k-line codebase / no test oracle / no human code review" | ✅ 与 arxiv 摘要一致；作者 Joel Abenhaim；cs.SE / cs.AI 跨列；14 spec refinement cycles + 17 verification cycles，31 audit passes，201 defects |
| 2 | arxiv 2608.02870 · "Maglev: Sliding Recurrent Memory" | ✅ 作者 Bo Liu / Qiang Liu（UT Austin），cs.LG；2026-08-05 v2；prefiller Q + decoder P 双模型结构 |
| 3 | arxiv 2608.11660 · "Hybrid-Policy Self-Editing for Composable Knowledge Editing" | ⚠️ 标题小误：实际全名是 "...for Composable Unstructured Knowledge Editing (UKE)"，"Unstructured" 被 Tom 漏掉了。语义不同（UKE 强调"非结构化文本"作为编辑载体），不是简单的同义省略 |
| 4 | Mem0 / Zep / Letta（MemGPT 后继）作为知识记忆栈 | ✅ 与 2026 行业现状一致 |
| 5 | MCP 标准化工具层 + o3/o4 推理模型压缩多步链 | ✅ 大方向正确；但"降低工具调用频率"是过度概括——o3 在工具调用场景里仍是高频，主要是 planning depth 改变，不是 call 频次 |
| 6 | Gemini 1M+ / Claude 200K 没杀死记忆系统 | ✅ 共识正确 |
| 7 | LangGraph / CrewAI 作为粘合代码退路 | ✅ |
| 8 | PostgresSaver 作 LangGraph checkpoint 后端 | ✅ |
事实准确度：3/8 候选条目有 1 处轻微标题失真（#3），其余 7 条全准。无硬性事实错误。
二、深度评估
优点： - "运行时状态 vs 知识记忆 vs 上下文窗口"三分法是 2026 行业共识（LangGraph、Letta、Mem0 文档都是这套话术），抓得准 - "硬问题：决定'记住什么'比'存储什么'更难"——这是个真问题，Tom 把它点出来了，比一般 lite 文档深一层 - 候选分层（⭐ 高价值 vs 参考）有优先级感，对下游消费友好
不足： - 3 条"核心观察"全是架构综述口吻，没有引用具体论文/产品作为证据。读者只能信作者断言，无法 trace。lite 文档不必长，但每条至少给 1-2 个可验证 anchor（论文 / 文档链接 / GitHub commit） - 候选 #1（specification-first）和主题（agent-memory-tool-use）关系弱：那是 coding agent 的 case study（Joel Abenhaim 单作者、单案例、自我审计），跟"记忆 / 工具调用 / 多代理协作"主题里前两点的契合度不如题目暗示的那么紧。读者会困惑为什么它是 ⭐⭐ - 候选 #4（"The AI Agents Stack (2026 Edition)" Substack 文章未核 arxiv/官方源。Substack 内容质量参差，lite 文档里至少要标注发布日期与作者才合规 - 3 条 planning/tool-use arxiv 超时这条诚实备注很好，但应该在开头交代本次查询的覆盖损失，而不是埋在文末 - 缺**：候选列表里没有任何 2026-08 当周的"多代理协作"实证（Anthropic / DeepMind / Meta 这两周都有新 paper），可能与超时有关，但应在备注里点名补查
三、误导风险
- 无明显误导——所有结论都属"行业共识"层级，没夸大单点结果
- 唯一擦边：候选 #1（spec-first）是 单案例 + 自我审计 + 单作者 的 paper，把"189 文件 / 717k 行无 oracle 重构成功"放进 ⭐⭐ 候选列表时，没有标注"自我审计"这一方法学局限，下游消费者可能误以为是第三方验证的 industrial case。建议在 row 里加 ⚠️ 标注
四、可读性
- 结构清晰（核心观察 + 候选 + 候选续表），中英混排得当
- 表格用 Markdown 渲染没问题，Discord/Notion 兼容
- 标题层级偏少（H1 → 直接 H3），可加一个 H2 把"核心观察 / 候选 / 备注"分章节
- 字数 400+，作为 lite 速览刚好，再长就超规
五、与最新进展的差距
- 缺：Anthropic 2026-08 发布的 Claude 4 Sonnet / Opus tool use benchmark、OpenAI o3/o4-mini 在 τ-bench / SWE-bench Verified 上的 agent 结果，2026-08 当周没有体现
- 缺：letta.com / mem0.ai 的最新架构图对比（这两家是三分法的源头，应该有链接）
- 缺：MCP 在 2026 年的版本演进（MCP spec 已到 2025-11 修订 + 2026 多个新传输层），只提"MCP 标准化"过于笼统
六、可执行修改建议（按优先级）
- (必改) 候选 #3 补全全名："Hybrid-Policy Self-Editing for Composable Unstructured Knowledge Editing"，避免下游 cite 时丢关键限定词
- (必改) 候选 #1 加 ⚠️ 标注："单案例 + 自我审计 + 单作者"；或在描述里点明"agent self-audited"，不要让数字（189 / 717k / 201 defects）单飞
- (建议改) 三条核心观察每条至少补 1 个 anchor 链接（论文 / 官方文档 / GitHub），目前 0 anchor → 加 3-6 个可达
- (建议改) 开头加一段"本次查询覆盖说明"：注明 planning/tool-use 3 条 arxiv 超时、Substack 仅看标题未读全文，让下游评估权重
- (可选) 候选 #4（Substack "AI Agents Stack 2026"）核一下发布日期与作者，或替换为可验证源（如 LangGraph / Letta 官方 blog 的 2026 综述）
- (可选) 加一段 1-2 行的"本周缺失"，点名 MCP spec 演进 / Claude 4 tool use benchmark / τ-bench 等当周实证，下次补查
整体判断：8/10 —— 框架对、事实准、可读性好，主要扣分在"无 anchor"和"超时空白未前置说明"。修 1+2 两处后可直接升 9。