长程任务里，智能体最怕的不是一步走错，而是走着走着忘了为什么出发。现有多智能体系统，要么挂一个长期记忆库、靠检索复用知识，要么给一套任务专属引导却不做长期沉淀。M-Plan 想两头都占：把长短期记忆放进一个闭环，执行时导航、迷路时提示、收工后归档。
它怎么做的
这篇 10 月 19 日新发的 arXiv 论文（编号 2610.27032，作者刘子阳等四人）提出 M-Plan，以「全局-局部引导」加「过去-当前引导」来组织记忆。执行期间，智能体拿到任务专属的里程碑与洞察，构成全局引导；只有当它卡住、困惑时，才额外收到局部提示。这两类引导同时构成短期记忆。任务跑完后，关于本次任务的相关信息会被优化或重组，再送进长期记忆库，供以后检索。
关键设计
一是按需提示——不是每步都喂，而是困惑时才补，省 token 也省噪声；二是事后归档——把本次经验预处理后再存，而不是把一整段带噪声的历史原样塞回记忆；三是即插即用，不绑死某一类模型。论文在 ALFWorld、WebShop、PDDL 等多轮基准、跨多种模型上对比多个基线，称准确率与效率同时占优，不过未给单一汇总数值，而是按各基准分别报告。
增量认知
它与「持久记忆祛魅」（延伸阅读 1941，讲记忆层本身增益有限）形成互补视角：M-Plan 不争论记忆层有没有用，而是把力气放在「什么时候给、给什么、事后怎么收拾」的编排上。记忆的价值不在堆量，在调度。
长程为什么是硬骨头
单智能体在长程任务上吃瘪，根子在长上下文：连续决策与推理变弱，信息一多就丢重点。现有多智能体方案大多挂一个长期记忆库，靠检索复用知识，但检索出来的内容往往没针对当前任务适配，还混着历史噪声；专做任务引导的框架，又通常不配备为引导量身设计的长期记忆。M-Plan 把这两路缝进同一个闭环，把记忆从静态仓库改成了可调度的过程。对企业来说，启发是：长程 agent 的短板常常不是模型不够强，而是中间过程没人管——把里程碑、困惑提示、事后复盘做成常态，比盲目加上下文窗口更划算。当然它仍是研究原型，真实业务里的泛化与额外开销还要实测。
落地时怎么借力
对工程团队，M-Plan 的价值不在某个模型刷了新的成绩，而在它把「记忆调度」拆成了三个可操作的旋钮：什么时候给提示、给完之后怎么归档、要不要绑死模型。最直接的做法，是先把它当评估框架用——在自家长程任务上对照「全程喂引导」与「困惑才补提示」两种策略，看 token 成本与任务成功率的真实差值。如果差值明显，再考虑把「事后归档」接进现有的记忆库，把带噪声的历史预处理后再回收。要警惕的是，别一上来就重写成品架构；它仍是研究原型，论文没有给跨域迁移与人工评估的充分证据，真实业务里的额外开销也要先在小流量上测。把它当成可插拔的编排思路，比当成银弹更稳。
局限
闭环引导与记忆重组的代价、对噪声的鲁棒性、在真实业务长程流程中的泛化，论文都未充分展开；跨域迁移与人工评估，也值得后续跟进。整体仍是研究原型，离生产落地还有一段需要实测的距离。