Instinct凭什么比OpenClaw好用？Reflexion作者：秘密可能在「长期状态」

动察 Beating AI 快讯，前 MIT 教授、Reflexion 共同作者 Ashwin Gopinath 提出一个猜测：最近在硅谷爆红的 个人 Agent 助手 Instinct 真正和别家 Agent 拉开差距的，可能不是执行能力，也不是普通的长期记忆，而是对用户「长期状态」的持续维护。 Gopinath 曾是创始人 Noah Shinn 的老师，两人 2023 年共同参与 Reflexion 研究。他没有 Instinct 的内部信息，以下判断来自实际使用体验： 单看任务执行，Instinct 并没有比 Hermes、OpenClaw 等 Agent 多出什么惊人的能力。现在很多 Agent 也已经会复盘、保存记忆甚至自动生成 Skill。Instinct 更特别的地方，是使用时间越长，似乎反而越了解用户，没有明显被越来越多的历史信息拖累。 关键可能在于，它没有简单保存全部聊天和操作记录，再靠向量搜索或知识图谱找回来，而是在持续维护一份「当前状态」：哪些用户偏好仍然有效，哪些事实已经变化，哪些任务还没完成，下一步应该等、继续跟进，还是直接行动。 这对长期 Agent 很重要。一个持续几天甚至几周的任务，中间可能经历邮件回复、等待、条件变化和多次跟进。Agent 不只要记住过去发生过什么，还要知道哪些信息已经过时，现在真正重要的是什么，以及什么时候根本不需要打扰用户。 Gopinath 把这种过程称为「记忆编译」：不断从杂乱的生活记录里筛出有用信息，压缩成一份持续更新的状态。重点不是「记得更多」，而是知道什么值得留下、什么应该失效，以及什么变化值得触发行动。 这和三年前的 Reflexion 有一条明显的延续线。Reflexion 让 Agent 把失败总结成文字记忆，用于下一次尝试；到了长期个人 Agent，问题进一步变成了如何持续理解一个不断变化的人和现实世界。 大模型能力越来越接近，工具调用和执行框架也在快速普及，真正难复制的部分，反而可能是谁能长期记住正确的事情，并在正确的时候采取行动。