Memory 技术日报 2026-07-22：Codex memories、UMBP 多层 KV 与记忆转技能

过去 24 小时出现的三条信号，分别把 memory 放到了三个不同层次：OpenAI Codex 把线程历史和项目记忆做成可分页、可恢复、可迁移的本地状态；AMD 与 Moonshot AI 把 agentic serving 的 KV cache 扩展到 HBM 之外，并让调度器参与取回与路由；MSCE 则把历史轨迹压成带证据、适用边界和验证规则的可调用技能。它们共同给出一个更具体的工程判断：memory 的价值不由存了多少决定，而由状态能否在下一次执行时被低成本地找到、验证并复用决定。

OpenAI 的 0.145.0 release 把 memory 相关改动放进了线程存储本身，而不是只增加一个「回忆」入口。版本说明列出的实验性能力包括分页线程历史、快速恢复、搜索、持久化名称、子 agent 支持和 memories；/import 还可以迁移 Cursor 与 Claude Code 的设置、MCP server、插件、会话、命令和项目级 memories。1

这组改动的重点不是新的召回算法，而是 memory 生命周期开始有了可操作的系统边界：线程可以分页读取，旧状态可以恢复，跨工具的项目记忆可以迁移，记忆 consolidation artifact 也有校验路径。对 coding agent 来说，这比单纯把更多历史塞回 prompt 更接近可维护的 memory substrate。

工程上值得先验证三件事：大线程分页后是否仍能稳定恢复上下文；导入的项目记忆是否与当前 workspace 和 MCP 配置保持边界；memory consolidation 失败时，系统是否保留原始线程而不是产生半成品状态。当前 release 把这些能力标成 experimental，且没有在 release note 中给出召回质量或长会话成本基准，因此它更适合做功能和数据迁移验证，不适合直接当作 memory 质量结论。

Codex 0.145.0 release 适合作为实现入口；仓库中的变更还把 memory consolidation、分页历史和本地 thread store 拆成了可追踪的 PR，便于沿提交记录继续阅读。

AMD 与 Moonshot AI 的文章把 agentic coding 描述成一个 cache-dominated workload：多轮会话让上下文线性增长，工具调用制造长间隙，短生命周期 subagent 又会带来 KV burst。文章给出的系统是 Kimi K2.6 + SGLang + MoRI + UMBP + AITER + ROCm，运行在 AMD Instinct MI355X 上。2

UMBP 的关键变化是把 KV cache 从被动的 byte store 变成调度器可以查询的状态。它维护从 engine HBM、host DRAM、UMBP DRAM pool 到 SSD 的多层逻辑缓存，同时暴露前缀所在节点、访问历史、命中计数、最近访问时间、容量利用率、带宽和 RPC 延迟等信号。路由器因此可以比较「重算」和「从哪一层取回」的成本，而不只是回答某个前缀是否存在。2

文章报告的结果包括：共享 L3 加载回预取在累计命中率基本不变时，最多把 p99 TTFT 降低约 3.2 倍，并带来 7.7% 的总 token 吞吐提升；prefill/decode 分离的增量 KV 传输在前三轮上的平均 TTFT 从 1.73 秒降到 1.37 秒，约降低 21%。这些数字是 AMD 在特定 Kimi、MI355X、ProgramBench-derived agentic workload 和自有验证流程上的公开结果，不是独立复现，也不能直接外推到所有模型或网络拓扑。

对 serving 团队更重要的动作是改指标：不要只看 prefix hit rate 和 TTFT，还要记录 KV 所在层级、loadback latency、p90 端到端时延、P→D 传输字节数和重算成本。文章也明确写出，完整的 scheduler cost model 和 agent hints 仍在分阶段落地，目前的 umbp_cache_aware 先围绕前缀命中路由。可以从 SGLang PR #25377 和公开 benchmark 入口开始核对集成状态，再决定是否值得在自己的 workload 上复现。

MSCE 的窗口内信号来自 DAIR.AI 在北京时间 7 月 22 日 07:14 发布的解读。解读明确说明，论文不是把历史轨迹当作被动上下文，而是把经验组织成 grounded step traces、可复用的 procedural policies 和 declarative environmental cognition；具备正向估计收益的证据支持策略会被转成 callable skills，并保留证据链接、适用边界、决策指导、验证规则和可靠性估计。3

原论文的摘要还给出 reflection-weighted value backfilling：它把稀疏的终局反馈沿局部 self-reflection 传播，形成经过证据校准的 trace value，用来决定哪些 memory 和 skill 能继续演化。论文在 EvoAgentBench 和 LoCoMo 上报告，相比 skill-augmented 与 memory-driven baselines，MSCE 取得更好的结果并表现出跨领域迁移能力，但摘要没有给出具体效果数值。4

这里必须分开两个时间事实：论文首次提交是北京时间 7 月 18 日 11:46，早于本期窗口；本期新增的是 DAIR.AI 的社区解读。因此它可以作为窗口内高信号讨论，但不能写成 7 月 21 至 22 日新发表的论文。论文仍是 preprint，当前已读材料也没有提供可直接复现实验的代码地址和完整 benchmark 表格。

如果你的系统已经有 episodic memory，MSCE 值得关注的不是再加一个向量索引，而是把「什么时候该用」和「用后如何检查」一起存进 memory。复现时应优先拆出三类对象：带原始证据的轨迹、带适用条件的技能、以及决定保留或淘汰的价值更新规则。否则把历史摘要改名为 skill，并不会真正改变 agent 的执行能力。

三条材料的落点不同，但可以按执行路径排成一条链：Codex 让状态可保存、可分页、可迁移；AMD 让运行中的 KV 状态可定位、可路由、可按成本取回；MSCE 让历史状态在满足证据和适用条件后成为可调用能力。它们共同暴露出一个常见的缺口：系统如果不知道状态的生命周期、位置、来源和验证方式，增加存储容量只会扩大不可控的历史。

因此，工程路线可以按问题类型选择切入点：长会话恢复先看 Codex 的线程存储与迁移边界；线上 serving 先补 KV placement、loadback 和 P→D 传输的可观测性；agent 长期能力则先定义证据链、适用条件和失败后的回滚规则。三条路线都不应把「有 memory」当成验收条件，真正的验收对象是下一次执行能否稳定复用它。