AI热榜 6 月 26 日，“AI 原生·聚变新生”2026 张江人工智能创新小镇生态日在上海张江举行。
作为生态日五场平行论坛之一，由张江人工智能创新小镇联合 InfoQ 极客邦传媒共同举办的 Top Tower Talk「Harness 时代的硅基团队治理」专场，在张江科学之门 A 塔 67 层圆满举行。
本场活动聚焦一个正在从概念走向现实的问题：当 AI Agent 从个人效率工具，进一步进入企业研发、运营、数据分析、业务交付等核心流程之后，企业如何让它真正“听话”又“懂行”？
换句话说，Agent 已经不只是一个可以调用的大模型接口，而正在成为一种新的生产力单元。
它能写代码、做调研、生成报告、调用工具、参与决策，也可能在长任务中反复试错、误用工具、丢失上下文，甚至把错误经验沉淀进组织流程。
因此，企业今天需要讨论的已经不是“要不要用 Agent”，而是如何为 Agent 建立一套可控、可信、可追责、可持续进化的 Harness 系统。
本场论坛以两场主题分享打开讨论。
质变科技 MemoryLake 首席架构师周祥聚焦 Agent 的长期记忆工程，讨论企业如何将上下文、经验与知识沉淀为可复用的记忆资产；华为 2012 实验室项目群总监董鑫则从大型研发团队实践出发，分享 AI 进入研发主流程后，组织协作方式正在发生的变化。
在随后的圆桌环节，两位分享嘉宾与 Toco 创始人兼 CE 时很快会遇到的现实问题。
周祥提到，过去企业更熟悉 DevOps、CI/CD、应用集成和数据集成，而当智能体真正上线之后，一个更直接的问题出现了：它一个月到底会消耗多少 Token？
如果 Agent 在执行任务时上下文不完整、Skill 调用不准确，或者工具选择不精准，就可能陷入大量 retry 和 fail over。
任务表面上完成了，但背后已经发生了高额的试错成本。
让 Agent 拥有长期记忆 周祥的分享从一个基础判断切入：智能不只是“思考力”，还包括“记忆力”。
前者由基础大模型承载，涵盖训练、推理、生成和理解；后者则关乎数据如何被提取、积累、进化和沉淀。
换句话说，模型决定 Agent 当下能做什么，记忆则决定它能否在一次次任务中持续进化。
这也是企业落地 Agent 时很快会遇到的现实问题。
周祥提到，过去企业更熟悉 DevOps、CI/CD、应用集成和数据集成，而当智能体真正上线之后，一个更直接的问题出现了：它一个月到底会消耗多少 Token？
如果 Agent 在执行任务时上下文不完整、Skill 调用不准确，或者工具选择不精准，就可能陷入大量 retry 和 fail over。
任务表面上完成了，但背后已经发生了高额的试错成本。
因此，Token 的真实成本不能只看单价，还要看任务成功率。
按照周祥 PPT 中给出的公式，Token 成本等于 Token 单价除以任务成功率。
成功率越低，实际成本越高；一次做对的概率越高，企业为无效试错支付的成本就越少。
由此看，记忆工程并不是锦上添花，而是 Agent 进入生产环境后必须补上的一层基础能力。
但现实中，企业的记忆基础设施往往并不统一。
数据库、数仓、知识库 RAG、会话记忆系统各自存在，个人用户用起来割裂，企业侧则要面对多系统融合和架构演进的复杂性。
周祥介绍，MemoryLake 试图将这些分散能力整合为一体化的记忆与 Agent 平台，让企业既有系统、结构化数据、半结构化数据和多模态文件都能接入同一个记忆底座。
围绕这一目标，他将记忆系统拆解为三类核心能力：记忆蒸馏、记忆计算和记忆堆叠。
🔗 原始来源
如果你要核对细节，可以再看原文： InfoQ AI原文链接