先看一段没有记忆的运行

假设测试Agent的任务是：在虚构地图“灰烬回廊”中，验证“钥匙任务”在各种操作顺序下都能完成。它的框架是常见的“观察、推理、动作”循环，每一步只看当前画面和最近几步的对话。

下面是第1轮里一段被大幅精简的行动轨迹：

T001 地图=回廊入口  任务=钥匙(未接)  动作=与守卫对话  结果=任务接取
T014 地图=回廊二层  任务=钥匙(进行中) 动作=跳过缺口  结果=进入侧室
T015 地图=侧室      任务=钥匙(进行中) 动作=拾取箱子  结果=无反应
T016 地图=侧室      任务=钥匙(进行中) 动作=拾取箱子  结果=无反应
T017 地图=侧室      任务=钥匙(进行中) 动作=拾取箱子  结果=无反应
T031 地图=侧室      任务=钥匙(进行中) 动作=离开侧室  结果=回到二层
T044 地图=回廊二层  任务=钥匙(进行中) 动作=跳过缺口  结果=进入侧室

Agent在T044又跳进了侧室。它并不是愚蠢，而是每一步都只看到“有一个缺口、任务未完成”，缺乏“这个房间我已经试过，箱子无法交互”的记忆。这样的运行在长任务里会很常见，也是长时间运行的测试难做的原因之一：步数一多，早期信息就被挤出上下文。

两层记忆：短期上下文与长期轨迹

爱游戏测试Agent把记忆分成两层，两层的用途不同。

  • 短期上下文：当前子目标、最近若干步的观察和动作、当前地图状态。它像工作台，容量有限，随时会被覆盖，服务于“下一步做什么”。
  • 长期轨迹（Action Trace）：全程的动作、状态变化和结果，按结构化字段存储：地图、角色、任务阶段、装备、动作、结果、时间顺序。它像实验记录，服务于“回头看发生了什么”，也是最终输出复现流程的原始材料。

两者不能混用。把全部轨迹塞进上下文，会撑爆窗口并稀释重点；只保留上下文而不存轨迹，则既无法反思，也无法在发现BUG后精确复现。

轨迹压缩：记住什么，丢掉什么

上面那段轨迹里，T015到T017是三次相同的无效动作。原样保存没有意义，压缩后应当变成一条：“侧室，拾取箱子，重复三次，均无反应”。压缩遵循几个原则：

  1. 合并连续重复的动作，保留次数。
  2. 保留状态发生变化的节点，如任务阶段切换、物品增减、地图跳转。
  3. 保留所有异常或意外结果，不做合并。
  4. 为每个区域维护简短摘要：已覆盖的动作类型、发现的问题、尚未尝试的动作。

压缩不能丢掉复现所需的信息。爱游戏的做法是双份存储：完整轨迹留在存储层，压缩版进入Agent可读的记忆层，需要复现时再从完整轨迹回放。

反思：输入与输出

第1轮结束后，反思模块开始工作。它的输入并不是“请你反思一下”这样的空泛提示，而是三份具体材料：本轮的压缩轨迹、本轮的目标与预期结果、当前的测试Oracle判定（发现了什么异常，哪些只是预期行为）。关于如何判断“是否为异常”，可以参考测试Oracle的分层做法。

输出也应是结构化的，而不是一段感想：

  • 已被排除的假设：侧室的箱子在当前任务阶段不可交互，重复尝试无益。
  • 未覆盖的区域：回廊三层、两个未进入的分支房间。
  • 本轮的无效循环：T014与T044重复进入侧室。
  • 下一轮的策略调整：先接取任务但不与守卫对话，改测另一个顺序；侧室暂时列入“已验证，不再重复”。

关键在于每一条反思都要能落到下一轮的具体改变上。如果一段反思读起来很有道理，却没有改变任何动作，那它只是一段文字。

第2轮：同一个场景，不同的行为

带着反思结果进入第2轮，规划器会拿到一张“已排除清单”和一张“待覆盖清单”。轨迹的开头就不再一样：

T001 地图=回廊入口  任务=钥匙(未接)  动作=绕过守卫直接取钥匙  结果=钥匙获得
T009 地图=回廊入口  任务=钥匙(未接)  动作=与守卫对话  结果=对话无反应

Agent这一次尝试了第一轮没有触碰的顺序，并立刻发现了一个疑似BUG：任务尚未接取时已取到钥匙，之后与守卫对话没有任何响应。接下来的步骤，是按照复现要求整理地图、任务状态与操作顺序，交给人工复核。

防止原地打转

反思本身也可能出错，比如反复得出“换个顺序再试”，却每次都选同一个顺序。可以从几方面设防：

  • 状态访问计数：对同一个状态与动作的组合计数，超过阈值就强制换方向。
  • 策略去重：新一轮策略要与前几轮策略比较，相似度过高就要求改写。
  • 反思预算：反思也有轮数上限，避免Agent在无解的场景里无限重试。
  • 终止条件：覆盖清单已清空、连续多轮没有新状态出现、或者耗尽资源预算时，Agent应当停止并输出报告，而不是继续。

记忆污染：错误的教训比没有教训更糟

长期记忆最大的风险是把错误当作事实存进去。比如第1轮里箱子无法交互，其实是因为当时任务阶段不对，并不是永久性问题；如果反思把它记成“侧室箱子永远不可交互”，后续所有轮次就都会跳过这个位置，真正的BUG就被永久掩盖了。

降低污染的办法包括：

  1. 给每条记忆标注来源（哪一轮、哪一步）、适用条件（任务阶段、游戏版本）和置信度。
  2. 把“观察”与“推断”分开存放：动作结果是观察，“箱子不可交互”是推断，推断需要带条件。
  3. 定期抽样，用新的实验去验证旧的结论，尤其是那些让Agent跳过某块区域的结论。
  4. 游戏版本更新后，相关记忆整体降级为“待验证”，而不是直接沿用。

说到底，爱游戏AI理解的反思不是让Agent变聪明的魔法，而是把失败变成可检验的假设，再让下一轮去检验。长期记忆存的应当是被验证过的东西，而不是Agent说服了自己的东西。