检索流水线调优

为什么重要「给智能体加记忆」通常被当成一个开关：把过去的经验塞回上下文，经验越多表现越好。这项评测把它证伪了，而且给出了可执行的替代做法——按模型的剩余空间决定注入多少。更要紧的是它顺手推翻了一个省事的代理指标：参数量不预测该给多少记忆。

为什么重要RAG 评测看板让检索失败在上线前就暴露出来，帮助团队发现那些狭窄的提示词检查会漏掉的回归。