最近一直在折腾 HanaAgent。
最开始，我只是想解决一个很简单的问题：希望 Agent 能够真正"成长"，而不是每次都像重新开始。
我原本以为这是一个 Memory 问题。
第一阶段：我认为 Memory 就是最大的短板
最开始的思路其实很直接。
Agent 会忘记信息，所以增加长期 Memory；Memory 越丰富，Agent 理论上就越聪明。
于是开始围绕长期记忆设计方案，包括记忆分类、项目记忆、任务记忆以及更新策略。
刚开始我认为方向完全正确。
但随着测试越来越多，一个问题开始出现。
Memory 越来越大，Prompt 越来越长，维护成本越来越高，而 Agent 的行为改善却没有达到预期。
我开始怀疑自己的第一个假设。
Memory 能保存信息，但不能保证 Agent 会正确使用这些信息。
于是我放弃继续堆 Memory。
第二阶段：我开始认为 Workflow 才是真正的问题
既然不是 Memory，那是不是 Workflow？
于是我开始建立固定流程。
规范输入。
规范知识更新。
规范长文本解析。
希望 Agent 每一步都按照固定流程执行。
测试下来确实比以前稳定一些。
但新的问题又出现了。
很多流程设计得很好。
模型却不一定执行。
尤其是复杂任务，经常又回到自己的默认行为。
这时候我意识到：
Workflow 能约束流程，但不能真正约束模型。
于是第二个假设也被我推翻。
第三阶段：我开始建立 Experience Library
后来我把重点放到经验沉淀。
希望 Agent 不只是保存知识，而是保存已经验证过的经验。
建立统一的经验模板。
记录成功案例。
记录失败案例。
希望以后遇到类似问题能够直接复用。
效果确实不错。
重复犯错减少了。
但是新的问题还是来了。
经验存在。
并不代表 Agent 一定会调用。
也就是说：
经验库存在，不等于经验真正进入执行链。
这时候我开始意识到，我可能一直在优化结果，而不是优化执行过程。
第四阶段：一路追到了 Runtime
后来整个探索方向发生了变化。
我不再研究 Memory。
也不再研究 Workflow。
开始研究 Runtime。
开始研究插件。
开始研究 Tool Calling。
开始研究 Adapter。
开始研究 Hook。
因为我越来越怀疑：
真正决定 Agent 行为的，不是知识有没有保存。
而是这些知识有没有机会进入执行链。
所以最近一直在尝试寻找更加合适的注入点，希望尽量不修改 HanaAgent 主体，而是在插件层完成能力扩展。
目前还没有最终答案。
但整个思路已经和最开始完全不同了。
回头看，我犯过最大的几个错误
错误一：把 Agent 当成人来理解
我一直认为：
人需要记忆。
所以 Agent 最大的问题一定也是记忆。
后来发现这是我自己的思维投射。
Agent 和人并不是同一种工作方式。
错误二：认为保存经验等于利用经验
后来发现：
经验只是数据。
真正重要的是：
Agent 是否会主动检索。
是否会主动调用。
是否真正影响执行。
错误三：一直优化表层，而没有追执行链
前面一直围绕 Memory、Workflow、Experience 做优化。
直到后来才意识到：
很多问题最终都会落到 Runtime 和执行路径。
很多看起来是"知识问题"。
实际上可能是"执行问题"。
目前我的认知
这几轮探索下来，我暂时得到三个结论。
第一，Memory 很重要，但它不是 Agent 能力提升的唯一瓶颈。
第二，Workflow 可以提高稳定性，但无法保证模型一定执行。
第三，如果知识和经验无法进入执行链，再完善的设计价值都会被削弱。
这些结论都还在继续验证，不代表最终答案。
我想请教社区几个问题
- 有没有人也经历过类似的认知变化？最后你们定位到的核心瓶颈是什么？
- 如果目标是在尽量不修改 HanaAgent 主体的情况下增强能力，除了 Runtime、Hook、插件化之外，还有哪些值得继续探索的方向？
- 我目前越来越倾向于把重点放在"执行链"而不是"知识存储"，这个判断有没有明显的盲区？
欢迎直接反驳我的结论，或者分享你们踩过的坑。
我更希望获得的是探索路径，感谢分享
