模型升级后Agent记忆还能用吗？记忆可迁移性的受控研究

模型升级很常见，记忆迁移却不然。即便保留同一记忆库，Agent仍可能遗忘：新模型会不同地解释旧笔记，混用嵌入版本可能破坏检索，缺少原始证据则可能无法修复。我们比较四种保存相同历史的方法：长上下文逐字读取LC-RAW、分块检索增强RAG、模型压缩自然语言笔记NOTES，以及固定模式知识图谱KG-fixed。研究使用48份带随机答案码的合成历史、精确评分，以及两个不到100亿参数的开放权重模型。固定结构迁移较稳定，更换写入模型后KG-fixed准确率仅变化+0.0004±0.0020。NOTES则与模型高度耦合，按迁移方向不同，准确率变化分别为+9.91或−13.28个百分点。RAG中，50/50混合索引的部分嵌入迁移仅提升4.96个百分点，而完整重新嵌入提升11.90个百分点，大部分潜在收益被丢失。诊断分解将NOTES准确率缺口的80%（0.467±0.014）归于初始构建中的信息损失，将RAG缺口的81%（0.364±0.012）归于检索失败。仅依靠存储笔记修复时，48个案例均未达到90%的性能恢复目标；保留原始历史后，在一个测试迁移方向上34个案例成功恢复。结果强调，应按具体迁移方向测试，严格隔离嵌入空间，并保留用于记忆修复的原始历史。