Beyond Memory: A Templated Substrate for Heterogeneous Collaborative Knowledge Work with LLM Agents

该论文提出了 llm-wiki-memory-template，一种基于 LLM 维护的、可追加的 Wiki 知识基板，用于解决 LLM Agent 无持久记忆、失败记录丢失的问题。核心设计包括：1）仅在原始内容后追加，保留失败路径；2）支持多人类、多 AI Agent、多领域的异构协作；3）通过三个案例验证（单人研究、双人审计、多 Agent 部署），展示了失败路径保留如何修正错误结论（如 20/20 覆盖率降为 14/20 再修正回 18/20）。文章强调失败路径保留、Agent 诚实性和挪用（appropriation）是跨层面的社会技术属性。

1. 可直接用于导购/Agent 产品：导购中用户偏好、对话历史、推荐失败案例（如用户拒绝推荐）可通过类似 wiki 追加机制持久化，避免下次重复推荐或失败。可在现有记忆模块中引入 append-only 策略，保留负面反馈，辅助 Agent 自我优化。
2. 改变判断：此前我倾向于用 RAG + 短期会话记忆，未考虑失败路径的价值。现在意识到保留失败记录对 Agent 的持续学习和团队协作的审计修正至关重要，可以提升决策透明度与准确率。
3. 下一步行动：读全文了解模板实现细节（尤其是多 agent 协调的架构），评估在导购 Agent 中集成类似机制的改动成本，并在个人情报平台中尝试应用（如记录推荐失败案例、修正分析结论）。