AI 老是忘事，在同一个坑里栽跟头？
你有没有这种感觉：让 AI 做个流程，它上周刚做完，这次又从头开始犯同一个错。把聊天记录一股脑塞进 prompt 里？RAG 翻旧资料？这些法子只能管一时，管不了长久。根本原因在于，它记的是“事实”，不是“怎么做”。
最近看到一篇论文，叫《Skill.OS》。一个只有 8B 的开源小模型，在某些需要长期流程的任务上，居然把 Gemini 2.5 Pro 比了下去。不是它更聪明，而是把两件事彻底拆开了：一个模型只管执行（冻住不动），另一个小模型专门管经验（可以训练）。
执行模型像个熟练却固执的工匠，只按既定步骤干活；经验模型像个一直在旁边记笔记、琢磨“上次哪里卡壳、怎么改更好”的学徒。两者分开后，AI 开始真正记住做事的方法，而不是光背答案。这就是过程类记忆。
经验不用塞进黑箱向量库，直接用 Markdown 文件存着。想看就打开文件，想改就直接下手，透明得很。后面还用了一种叫 GRPO 的强化学习方式，把任务按组打包，用压缩度、专家打分等多维度来打分，慢慢逼模型自己提炼出通用的元技能。
我把论文里这几层意思，试着掰开说了一遍。没那么多口号，就是把核心机制讲清楚——为什么传统 RAG 治不了 Agent 的健忘病，以及 Skill.OS 到底解耦了什么。