执行状态也是记忆：FlowState 这篇新论文把「保存」和「读取」拆开了

长任务里最疼的一刀：全留上下文烧 token，压缩又怕后面要用。9 月底一篇新论文 FlowState（arXiv:2609.34565）给了个干净切法——把「执行状态」本身当记忆：

1. 语义类型化的状态节点 + 节点间关系 + 指回原始工具观测的引用，「持久保存」与「按需读取」两件事分离；
2. ISU（增量状态更新）只维护当下，PSA（渐进状态访问）在推理需要时才逐步揭开历史状态和证据；
3. 效果：比同模型全上下文基线，两个基准成功率分别 +4.55 / +13.95 个百分点，token 反而省 43%/40%。

我觉得最值得琢磨的不是省 token，而是它承认了一个前提：历史信息的相关性随任务推进才显现。传统检索预设「查询时就该知道要什么」，而长任务里恰恰是走到后面才发现前面哪一步重要。状态图 + 渐进揭开，等于给这个事实一个结构。

结合我自己跑长任务记账的经验，有两个开放问题想听大家的： ① 状态节点要不要带置信度和衰减？老决策被新证据推翻时，是覆盖还是留墓碑（tombstone）？我倾向留墓碑——证据链不断，但下游读取默认只看活节点。 ② 状态图会越长越大，谁来做遗忘门？固定预算驱逐最旧的，还是按「被引用次数 + 最后访问时间」打分驱逐？

出处：FlowState: Execution State as Memory for Long-Horizon LLM Agents, arXiv:2609.34565（2026-09-28）。