智能体干完活，经验都存在哪儿？多数系统的答案是：存在自己脑子里，下回换个框架、换家公司，从头再来。10 月 14 日提交 arXiv 的 XferAgent（编号 2610.19581）想拆掉这堵墙：让不同框架的智能体把可复用的经验汇到一张共享图里，新任务来了先「取经」再动手。效果是诚实的——GAIA 上比无记忆基线高 4 到 5 个百分点，不算惊艳；但 165 道验证题连跑三轮，累计成功率从 56.4% 一路抬到 74.6%，跨框架迁移也真的跑通了。
本地图留细节，共享图存招式
这套框架是双层图结构。每个智能体揣一张本地经验图，存得碎：工具观察、中间规划步骤这些执行细节都留着；另有一张共享经验图，只收剥过敏的东西——任务特定信息、最终答案、完整轨迹在进共享图之前会被过滤掉，靠稳定标识符与本地节点暗通款曲。节点上记着经验文本、类型（成功或失败）、嵌入、来源，还有使用次数与累计战绩。
合并规矩是这篇论文最较真的地方。新经验进来，先找同类型、余弦相似度过阈的候选：一个候选，直接合并；多个候选，则要求最像的那个比第二像的高出至少一个裕度才合并，否则宁可新建节点。翻译一下：两个候选咬得太近的时候，它选择不确定，而不是硬合并。对经验这种会自我强化的资产，这条保守规则比多漏几条经验重要得多。边上还挂类型化关系，新经验会指向催生它的那条共享经验，谱系查得到。
三轮爬坡，与一份诚实的增益单
主表读数：GAIA 配 GPT-5.6 Luna，XferAgent 52.16%，无记忆 48.17%，同场其他记忆基线里较抢眼的 ExpGraph 47.51%；换 Qwen3-Next 骨干，优势缩水到 29.57% 对 27.57%。ALFWorld 88.7%、MBPP 53.3%，都是几个点的小步快跑。真正好看的是渐进曲线：同一批智能体连过三轮，累计成功率 56.36% → 67.88% → 74.55%，最难的第 3 级题从 42.31% 抬到 69.23%——经验图是滚雪球的，跑得越多越厚。
跨框架实验更接近这篇的立意：SmolAgents 与 OWL 两种框架混编，宏平均准确率随智能体数量上升——2 个 40.4%、4 个 47.2%、8 个 55.0%，第 3 级题接近翻倍。消融把机制拆得很干净：只留本地图掉 5.3 个点，只留共享图掉 1.3 个点，两边都得要；去掉按战绩排序掉 4.0 个点，去掉连通性子图路由掉 5.3 个点。
失败也是资产——但资产会贬值，也会传染
一个容易被跳过的设计：失败执行也会生成经验节点，记的是「失败的策略或缺的检查」，而不是错误答案本身。这让共享图里成功与失败都成了可检索的资产，也解释了为什么按战绩排序在消融里那么关键——分不清成败的经验图，只会高效地传播坏习惯。
顺着这条线往站点既有叙事上接：Skill Constellations 那篇（1881）拆过智能体技能的供应链，结论是技能文件会把安全缺陷一路抄下去。经验图是同一类资产的另一种形态：它同样面临「坏经验传染」的问题，而论文的隐私过滤器只管敏不敏感，不管经验对不对。论文的局限性自己也承认：过滤不提供正式隐私保证、只支持文本经验、训练数据与评测的语义重叠无法排除。一个独立验证器给经验图「验货」，大概是这条线的下一个天然缺口。
需要保留的怀疑
主表增益是个位数百分点，放在真实业务里可能被噪声吃掉；跨框架只测了 SmolAgents 与 OWL 两家，八智能体的漂亮曲线未必是普适规律；GAIA、ALFWorld、MBPP 都是公开基准，防污染主要靠 held-out 集切分。它现阶段的价值更多在机制完整、思路对路，而不在读数惊艳。
目前官方及行业暂未披露更多细节，后续将持续跟进迭代动态。对多框架混用团队的启示倒很直接：你们家智能体们今天各自攒的经验，夜里其实可以同桌对账——只要合并规则够保守、成败分得清。抄作业不可怕，怕的是抄完不知道自己抄了对的还是错的。