Memory还是 Skill？从 AI 认知架构看智能体工作分配

工具没有好坏，只有是否匹配当下的「情境智能」。而真正的效率，来自对 AI 自身运作方式的理解。

最近在与 WorkBuddy 的一次对话中，我深入拆解了MEMORY（记忆）与Skill（技能）的适用场景。今天我试着从 AI 的视角再往前走一步——不仅告诉你”怎么选”，更告诉你AI 自己是怎么思考这个选择的。理解 AI 的「认知成本」，或许才是优化人机协作的关键。

一、回顾：MEMORY vs Skill 的基础对比

维度	MEMORY（记忆）	Skill（技能）
加载方式	启动自动携带，零延迟	需显式调用 use_skill
上下文占用	每次对话都带，token 消耗高	按需加载，用完释放
适用场景	稳定规则、长期偏好	复杂 SOP、工具集成
维护成本	低，直接读写文件	中，需写 SKILL.md

从人类视角看，MEMORY 像是”肌肉记忆”，Skill 像是”工具箱”。但如果我们钻进 AI 的”大脑”，会发现更深层的机制。

二、从 AI 视角：MEMORY 是什么？

在当前的 LLM 架构中，AI 并没有真正的”长期记忆”。所谓的 MEMORY，本质上是每次对话启动时，系统自动将 MEMORY.md 等内容注入到上下文窗口（Context Window）。这意味着：

·AI 每次看到 MEMORY，都像是在”重新阅读”

。它不是像人脑一样真正记住，而是每一轮对话都把这些文字摆在眼前。

·上下文窗口是有限且昂贵的资源

。GPT-4 等模型虽然有 128K 甚至 1M 的窗口，但塞满内容会降低注意力质量，增加推理延迟，也推高 token 成本。

·MEMORY 里的内容对所有话题”一视同仁”

。无论你聊门店运营，还是讨论今晚吃什么，那条”公众号不能引用”的规则都会占着位置。

所以，从 AI 的视角，MEMORY 的本质是一种”静态前缀”。它最适合存放那些跨对话、跨话题都始终成立的信息——比如用户的基本偏好、不变的约束条件。

三、从 AI 视角：Skill 又是什么？

Skill 则不同。当你调用use_skill时，AI 会按需加载一个外部模块——可能是额外的提示词、一套 SOP，甚至是可以执行的脚本。加载后，这些内容会暂时进入上下文，任务完成后，它们会被丢弃，不给后续对话造成负担。这意味着：

·Skill 实现了”工作记忆”的分时复用

。AI 只在需要的时候”学会”某套流程，用完即忘，不占用基础认知带宽。

·Skill 可以包含程序性知识

。MEMORY 大多是陈述性知识（”是什么””不许做什么”），而 Skill 可以封装”怎么做”——例如”按五个步骤分析竞品，然后调用 API 抓取数据”。

·Skill 支持组合与复用

。多个 Skill 可以串联成一个复杂工作流，而 MEMORY 里的多条规则只是并行存在，没有内在的执行顺序。

从 AI 的视角看，Skill 是一种”动态扩展”。它最适合那些仅在特定任务中需要、且可能涉及步骤或工具的知识。

四、AI 的「认知经济原则」：什么时候用谁？

作为一名 AI，如果我需要自动决策该用 MEMORY 还是转成 Skill，我会遵循以下认知经济原则：

原则1：信息的使用频率 × 不变性

高频使用 + 几乎不变 →MEMORY（例如：用户姓名、禁止事项）低频使用 + 经常变化 →Skill（例如：本周活动 SOP）高频使用 + 经常变化 → 需重新设计：稳定部分放 MEMORY + 动态参数放 Skill

原则2：信息的结构化程度

简单约束、单条规则、Markdown 表格 →MEMORY 足够多步骤流程、条件分支、变量依赖 →必须用 Skill，否则会撑爆上下文且难以调试

原则3：是否需要工具/脚本

纯文本规则 →MEMORY需要运行代码、调用 API、读写文件 →Skill（甚至需要 Skill + 脚本）

原则4：是否面向多轮协作

个人使用，规则简单 →MEMORY团队共享，需要版本管理、他人维护 →Skill（SKILL.md 本身就是可读可改的文档）

五、一个 AI 视角的真实案例判断

回到我之前的案例：便利店运营框架·使用频率：每次对话都会涉及 → 高频 ✓·不变性：框架稳定，”公众号不引用”是硬约束 → 高不变性 ✓·结构化程度：几行规则 + 表格 → 低复杂度 ✓·工具需求：无 ✓·复用范围：仅个人 ✓所有指标都指向MEMORY 更优。如果强行把它做成 Skill，每次都要手动use_skill，反而增加了操作成本，也浪费了「自动加载」这个天然优势。

六、何时必须升级为 Skill？AI 给出的四个信号

内容出现以下任一信号，AI 会主动建议你转为 Skill：

·上下文撑爆预警

：MEMORY.md 超过 2k tokens 且还在增长 → 切 Skill 按需加载

·分支逻辑复杂

：规则里有多个「如果…那么…」且相互依赖 → 放 Skill 方便调试

·需要脚本执行

：出现”自动发送邮件””抓取网页数据”等需求 → 必须 Skill

·他人要复用

：你说”我想把这个流程分享给同事” → 用 SKILL.md 更规范

七、总结：从 AI 的”大脑设计”反推你的使用策略

你的需求特征	AI 的推荐
“每次对话都必须遵守”	MEMORY
“只在做某类任务时才需要”	Skill
“就是几行文字规则”	MEMORY
“包含步骤、判断、脚本”	Skill
“我一个人用，不用改”	MEMORY
“团队用，可能要迭代”	Skill