你的AI Agent今天犯了一个错，你修正了它，但明天它又犯同样的错。这不是偶然，而是当前大模型的一个结构性缺陷：它能快速适应上下文，却无法把短期经验变成长期能力。

上下文便签 vs. 参数记忆：Agent学不会的真正原因

大模型擅长处理当前对话。你在聊天框里告诉它一套新规则，它能立刻执行，但这种“记住”只在当前上下文中有效。一旦话题切换或系统清理上下文，新学到的规则就像被擦掉的便签纸一样消失。外部数据库可以帮助保存信息，但下次使用时仍然需要重新读取，模型本身的参数并未改变。

真正稳定的知识存在模型参数里——语言能力、事实知识、推理逻辑都写在这里。但参数是一块已经写满的硬盘，每次修改都可能覆盖原有内容。当模型学习一批新知识时，它更新了参数，却可能让之前掌握的能力退化。这就是持续学习中经典的“灾难性遗忘”。

所以，Agent重复犯错不是提示词的问题，也不是数据库不够大，而是缺少一条从短期经验通向长期参数的安全路径。

“睡眠”不是关机：它是经验整理的专属时间

近期一项研究提出了一种思路：让模型在“清醒”和“睡眠”之间循环。清醒时，模型快速适应新任务，但暂不修改自身参数；睡眠时，模型回头回顾近期经验，把有价值的信息从上下文迁移到参数中。

这个迁移过程被称为“知识播种”。程序把已经掌握近期信息的模型状态当作教师，将短期知识“播种”到一个容量更大的参数空间里。新增的参数专门承载新知识，原有参数尽量保持稳定。相比传统微调——每次更新都在同一套参数上反复覆盖——“知识播种”给新知识开辟了独立空间，避免了与旧知识激烈冲突。

这样一来，稳定与可塑的矛盾被分开处理：清醒时允许快速变化，睡眠时再把变化沉淀下来。完成迁移后，用于短期变化的资源可以释放，迎接下一批信息。

“做梦”：危险的自学机会

知识被保存下来后，模型还需要确认自己是否真正掌握了。于是就有了“做梦”环节。模型会围绕近期学到的知识生成新问题，用这些问题训练自己。如果它刚学会一种新的推理方法，它可以给自己出几道不同难度的题，检查自己能不能在新场景里用出来。

对Agent而言，这意味着每一次真实任务的失败，都可以转化为下一轮训练的素材。一个编程Agent如果连续在同类依赖冲突上失败，它可以生成更多变体，专门练习如何识别和解决这个问题。

但这里有一个致命风险：如果模型最开始就理解错了，后续生成的数据很可能继续建立在错误基础上。反复训练不会自动纠偏，反而可能让错误越来越牢固。所以，“做梦”不能是自由放任的；必须配外部验证、奖励评估和版本回滚，确保模型不会越练越偏。

部署持续学习Agent的决策框架

适合的场景：个人助手需要长期适应你的习惯；企业Agent需要积累内部业务经验；任何需要模型在运行中不断成长的原则。

不适合的场景：法律顾问、合规审核、金融风控等要求行为高度一致的领域——一个会自己“做梦”学习的模型，可能逐渐偏离初始策略，风险不可控。

如果决定部署，至少需要配套以下机制：

知识追踪：记录模型学过什么，何时学的。主动遗忘：能精准删除不希望进入长期参数的信息。版本回滚：升级后如发现不良变化，能快速回到上一个稳定状态。

持续学习的价值不在于让模型不停学，而在于学对、学稳、学错了能撤。

所以，当你的Agent再犯错时，不妨想想：它是不是太忙了，缺一次“好好睡觉”的机会？持续清醒让它能快速反应，但真正的进步发生在“休息”时的内部整理。

如果你的Agent开始通过“做梦”自我训练，你会优先为它设置哪种熔断机制来防止错误固化？欢迎在评论区分享你的经验或设想。