当您的代理打开聊天应用程序时：代理控制的原始聊天日志搜索与结构化内存竞争

代理记忆系统越来越多地通过结构购买检索质量，在提出任何问题之前将原始对话历史转换为摘要、嵌入、树或知识图。我们要问的是，这种好处有多少来自于结构本身，而不是来自于对原始历史的有效检索。我们提出了 ReFind，一个完全不构建语义结构的代理控制搜索界面：它使对话存档保持不变，按轮流粒度对其进行词法索引，并将通用迭代关键字搜索循环与基于经验重新查找工作的四个聊天本机控件相结合：会话感知排名融合、本地上下文扩展、时间缩小和跳过已检查的会话。一个单独的推理阶段根据收集到的证据给出答案。在一系列广泛的会话记忆任务（单跳和多跳 QA、事件排序和事实整合）中，在 MemoryAgentBench 的增量多轮设置下评估了大约 2,800 个关于精确检索和事实跟踪能力的问题，ReFind 获得了所有比较系统中最高的平均准确度 (58.2)，高于最强的基于图形和树的记忆系统 (HippoRAG 2, 53.2)，所有这些都在GPT-4o-mini 主干与每个重复使用的基线相匹配。与单次 BM25 的受控比较、匹配的通用代理 BM25 控制、组件删除和代理密集/混合变体分别支持代理控制、聊天本机控制和词汇检索的角色。在 LongMemEval-S/M 上，相同的接口使用 GPT-5-mini 达到 93.2 +/- 3.3 和 89.3 +/- 6.0。结果表明，对于针对聊天档案的精确的、基于证据的问题，通过为代理提供对未修改记录的可控搜索，可以恢复复杂内存结构带来的大部分好处，而根本不需要基于 LLM 的索引构建。