2026-10-09 校核：该条只给出 HN 标题、未附可复查实验设置或原始数据；“零提升”按作者在其 SWE 场景的结果报告保留，不能推为全体会话记忆无用，也未验证 gbrain。人工整理、artifact-first 是待测试的设计假设，不能由这条摘要证明“只有人类甄别才有用”。

Agent 会话转录记忆没有性能提升

作者团队发现——在 SWE 任务中，给 agent 提供历史会话转录搜索访问权限，零性能提升。

核心洞察

当代码变更附带良好元数据（commit messages、PR 描述、文档）时，agent 已经获得了所有关键信息。会话转录包含大量”脚手架”内容（试错过程、废弃方案），这些噪声稀释了有用信号。

作者本人曾坚信”会话转录是新的石油”并为此构建了整个产品，但数据表明这行不通。

对 gbrain 的待验证启示

• 用户手动 curated 的知识 > 自动抓取的全量内容
• Scope-Recall 的”人类标注关键信息”模式是正确的方向
• 关键在于”人工反馈回路”——人工甄别可能改善信噪比，仍需与自动筛选等方式对照测试
• artifact-first 原则：引导知识从”代码注释 → PR 描述 → 文档 → gbrain”流动