Agent记忆的冤案有两种：一种是被忘掉，一种是被记错。这篇讲第二种——你第三天改了主意，新旧两条记录都在库里，检索分数还平起平坐，机器人便一本正经地胡说。ActionRAG的思路是让分数可以反悔：初审判得快，二审看得远，相关证据周围有路径，一条三元组单看平平、但两条邻居都强相关，它该升；反之高分孤岛该降。
数字经复核全部对得上：MemoryAgentBench八列平均55.1，比HippoRAG-v2高5.4；最猛的MCC列82.0对61.4净胜20.6；冲突两列FC-SH 61.3对54.0、FC-MH 15.5对5.0恰是三倍。输的两列也没藏：多跳MH小输3点，侦探式DetQA输11点——局部图扩散的射程就那么大，证据链拉太长就够不着。成本这处最容易吹歪，原文说的是「四个成本列的平均合成成本低于0.001美元」，且不含图构建与嵌入的一次性投入；跟BM25加小模型比那一列还输（46.7对52.1），帖子如实交代了。延迟440.7毫秒是检索侧各组件p99之和（消费级Apple Silicon），典型p50只有95.5毫秒——拿p99当代表是视频文案的偏好，不是论文的。
拆开看机制，二审的三个保护比扩散本身更值得抄：直接命中查询的种子分数锁死不被冲刷，连接度极高的枢纽节点分不出去太多，扩散发现的高价值路径直接物化成三元组捞回上下文。检索全程一次大模型都不调，只做数值传播——这是它跟HippoRAG-v2在线用LLM解析查询的路线分野，省的是每次查询的token与延迟。种子保护这条尤其要紧：没有它，扩散就是把所有人的分数搅成一锅粥；有了它，直接命中的证据站稳，修正只发生在该修正的边缘。
上午帖讲Memory Tax的系统级坏消息（十一款记忆系统无一全面跑赢朴素RAG），这篇正好是针对性的回应：每一分优势都对应明确机制——冲突两列的领先对应索引时的证据倒查与冲突感知摘要，MCC的20分对应扩散的二审修正。系统级的税免不了，但每一步加工说清楚买到了什么，税就能少交。图构建侧的分级实体消解同样是好工程：同名同类型直接复用，模糊匹配只在「明显是最佳候选」才复用，剩下按规范名分组且全部节点建完才写关系——防的是并行处理时各建各的。每个节点留着回原话的链接，反悔才有底。
钉子：超参数敏感度论文自己承认了（换数据集可能要重调）；更值得盯的是全局PageRank与局部扩散之争，MAB的分数暂时站局部这边，但侦探式长程推理那11点的差距说明射程问题没解决。索引侧的分级消解倒是个可以独立抄走的好零件——任何多轮对话系统都值得先查一遍「同一个人建了十个节点」的老账，实体分裂的账不清，后面检索再精也是白搭。