Agent 记忆是个伪命题：长上下文 ≠ 记住原创

你给agent开了百万token窗口，他就真的记住了所有上下文吗？残酷实测，跨GPT5.2cloud OPS4.5gemini2.5PRO有效利用率只有54%~61%。原因很朴素，Lost in the middle模型更重视首尾，中间那段他其实看不清。Agents网上下文塞满历史，等于花大钱买了个用不满的仓库，还顺手烧了token。MCP工具更夸张，单任务79%的上下文预算花在skima和中间，结果真正任务相关只有三成。

成本成数也吓人，Garner估计AT工作流是同任务标准聊天的5~30倍，Token.那记忆怎么办？粗暴堆窗口是下册，真正有效的是外挂记忆向量库加结构化摘要。常用三招，绘画中期做摘要压缩，按任务动态加载工具，用promp把重复上下文打8折。更狠的是硬预算熔断，每绘画社token上限超了就压缩或转人工，别让循环自己滚雪球。别迷信越大越好，上下文窗口是成本上限，不是能力下限，会用笔绘又蛮重要。

落地清单记录美绘画有效利用率，给MCP+Sigma缓存网关POC阶段就上成本仪表盘。记忆的关键不在窗口多大。而在你往里放了什么，又舍得丢掉什么？