Audit recent Agent memory research

experiments/knowledge-compilation/2026-07-10-agent-memory-pilot.md

@@ -1,6 +1,6 @@
 # KC-001：Agent Memory 主题卷宗试验
 
-status: running
+status: failed
 date: 2026-07-10
 owner: Codex + user
 
@@ -23,7 +23,7 @@ owner: Codex + user
 
 - 本地 Agent 论文库：974 篇。
 - 时间范围：现有库覆盖的最近一年。
-- 候选 memory 证据池：约 296 篇自动标签论文。
+- 候选 memory 证据池：293 篇自动标签论文。此前的 296 把非论文条目算了进去，现已纠正。
 - 本轮锚点：12 篇原始论文。
 
 ## 锚点选择规则
@@ -123,6 +123,20 @@ EvoMemBench、AutoMEM 诊断和预算研究对认知的贡献不亚于新方法
 
 ## 目前的失败与不足
 
+### 用户判定：失败
+
+用户的反馈是“读的论文太少”“认知没有提高”“不是要听课，而是一起研究”。这个判定成立。本轮产物虽然结构完整，但没有回答最重要的研究问题：
+
+- memory 领域当前到底在解决哪些不同问题。
+- 半年前的失败今天有没有在可比实验中改善。
+- 200 多篇论文分别在做什么，而不是 12 篇锚点说了什么。
+- 哪些增益来自 memory，哪些来自模型、embedding、prompt、token 或额外调用。
+- 一个新设计需要什么证据才能说服别人。
+
+失败原因不是页面或讲义形式，而是研究采样和归因方式错误：12 篇锚点适合搭概念框架，不足以判断领域进展；跨论文总分不可比，却没有先建立受控比较和时间基线；输出形式像课程，把未充分验证的综合判断写成了结论。
+
+因此本试验不再以“让用户完成 45 分钟学习”为下一步。后续改为 field audit：完整分页采集、问题分层、同 benchmark 受控比较、全文证据账本和失败边界记录。新结果见 `research/memory/findings.md`。
+
 - 还没有真实用户学习数据，因此不能证明 45 分钟路径有效。
 - 12 篇锚点偏 2026 年最新工作，缺少对 2023-2025 经典系统的直接精读，历史演化主要由 survey 补足。
 - 定量结果来自不同模型、benchmark 和协议，只能逐篇解释，不能横向排序。
@@ -151,4 +165,3 @@ EvoMemBench、AutoMEM 诊断和预算研究对认知的贡献不亚于新方法
 - 两道设计题至少一道达到 2 分以上。
 - 一周后复习仍能恢复主要框架，而不是只记住论文名字。
 - 用户能指出至少一个讲义结论的证据边界。
-