该文章提出将记忆存储移至代理推理循环内部，以创建“扩展工作记忆”，并认为延迟由存储的位置决定，而非检索模式。通过使用响应时间约为 100 微秒的进程内存储，系统避免了网络存储的高延迟，后者可将端到端时间增加多达 83 倍。

  • 在云端往返时间为 110ms 时，冗余动作从 12 次中的 7.2 次降至进程内速度下的零次。
  • 在有限窗口下，四个 GPT-5 级模型的召回率从 0/5 提升至 3.6-4.8/5。
  • 存储保持了 100% 的写入持久性（244 次写入中的 244 次保留），所有未命中均归因于代理的读取策略。
  • 将进程内存储与小型本地嵌入器配对可降低主导的嵌入成本，使完整操作降至约 40 微秒。

这种方法表明，快速且持续的可用性将记忆转化为扩展工作记忆，与传统外部存储相比，显著提高了召回率和效率。