三个Agent把同一家公司记成三个名字
上周的事儿，我们团队拿 GPT-5.6 Ultra Mode 跑金融合规审查，三个 Agent 在第三轮对话里把客户公司名搞串了。Agent A 咬死叫“字节跳动”，Agent B 非说是“字节控股”，Agent C 更离谱，直接编了个“ByteDance金融科技集团”。我当时盯着屏幕愣了得有十秒。多智能体系统的记忆共享问题，比我想的严重一百倍。
这玩意儿表面上是技术问题，实际上是个哲学问题：当多个 AI 同时处理一个任务时，它们到底该记住什么，又该忘掉什么？
官方文档不会告诉你的那些坑
GPT-5.6 的 Ultra Mode 号称支持最多 8 个 Agent 协同，每个 Agent 有独立内存空间，然后通过一个叫“Shared Context Bus”的东西做记忆交换。听起来挺美。
实际跑起来呢？
我上周压测了个客服场景。三个 Agent 分别负责售前咨询、订单查询、售后投诉。用户先问“我上周买的那个蓝色的包”，Agent A（售前）查了产品库，返回了正确的 SKU。然后用户说“我要退货”，Agent C（售后）接手——它不知道“那个蓝色的包”是什么。
为什么？因为 Shared Context Bus 默认只传“任务上下文”，不传“对话历史”。Agent C 收到的信息就一句：“用户要退货，情绪愤怒”。那个蓝色的包？丢了。
我翻了三个小时文档，在第 47 页脚注里找到一行小字：“Ultra Mode 默认不启用跨 Agent 对话记忆持久化，需手动配置 Memory Scope 参数。”
这就好比你买了辆号称自动驾驶的车，然后发现“自动驾驶”得你自己写代码开启。服不服？
记忆共享的三种模式，只有一种能用
踩了两周坑，我总结出 GPT-5.6 Ultra Mode 实际可用的三种策略：
模式一：全量广播
别用。
把所有 Agent 的对话历史实时广播给所有其他 Agent。理论上信息最完整，实际上是个灾难。我试过 4 个 Agent 跑 50 轮对话，Shared Context Bus 的 token 消耗是正常对话的 6 倍，延迟从 200ms 飙到 3 秒。更致命的是，Agent 开始“过度联想”——Agent B 看到了 Agent A 跟用户聊的产品细节，然后在自己完全无关的回复里强行来一句“顺便说一下，您之前看的那个产品...”，用户一脸懵。
模式二：关键节点同步
官方推荐，但有坑。
只在“任务交接点”同步压缩后的上下文。这是唯一能在生产环境跑的模式。但问题在于，“关键节点”的定义权在你手里。你得在代码里手动标记哪些对话轮次算“关键节点”，然后调 context.sync(memory_snapshot)。
我踩的坑：最开始我把所有“用户意图切换”设为关键节点，结果发现 GPT-5.6 对意图切换的判断延迟是 1-2 轮对话。等它意识到用户从“咨询”切到“投诉”时，前两轮的关键信息已经丢了。后来改成每 3 轮强制同步一次，虽然浪费点 token，但至少不会丢上下文。
等等，这里我要更正一下——不是每 3 轮，我后来改成了“每 3 轮或检测到意图切换时立即同步”，两个条件满足任一就触发。光靠轮次计数还是不够，有一次用户连续 5 轮都在聊同一个订单，第 3 轮强制同步纯属浪费。
模式三：中心化记忆池
这是我自己搞的野路子。
所有 Agent 不直接共享记忆，而是把“需要记住的信息”写入一个独立的 Memory Agent。其他 Agent 需要信息时，向 Memory Agent 查询。
听起来多此一举？实际上解决了两个致命问题：一是记忆冲突，当 Agent A 和 Agent B 对同一事实有不同记忆时，Memory Agent 作为“仲裁者”保留最新版本；二是记忆污染，Agent 不会因为看到无关信息而产生幻觉。
但这个方案也有代价——多了一次 Agent 间通信，延迟增加 150-200ms。对实时性要求高的场景，得掂量掂量。
…这个方案其实还有个隐藏问题我没想清楚。当 Memory Agent 自己挂了怎么办？我现在是做了个简单的降级——Memory Agent 不可用时各 Agent 退回本地缓存，但数据一致性就没法保证了。这块我还在琢磨，有思路的朋友可以聊聊。
上下文一致性：你以为解决了，其实没有
记忆共享只是第一步，更难的是上下文一致性——确保所有 Agent 对同一件事的理解是一致的。
讲个真事儿。我做了个法律合同审查系统，三个 Agent 分别审合规性、财务条款、知识产权。用户上传了一份 50 页的合同，三个 Agent 开始干活。
合规 Agent 说：“第 12 页的违约金条款有问题。”
财务 Agent 说：“第 15 页的付款周期需要调整。”
知识产权 Agent 说：“第 8 页的授权范围太宽泛。”
看起来没毛病？实际上它们引用的是同一份合同的不同版本。因为合同里有修订标记，合规 Agent 读的是“原始版本”，财务 Agent 读的是“修订版本”，知识产权 Agent 读的是“最终版本”——三个版本的第 12 页内容根本不一样。
GPT-5.6 的 Ultra Mode 没有内置“文档版本一致性检查”。你得自己实现一个 Document Version Lock 机制，确保所有 Agent 读的是同一个文件快照。
我现在做法是：任务开始时把文件 hash 值写进 Shared Context Bus，每个 Agent 读文件前先校验 hash。hash 不一致就强制重新加载。虽然多了 1-2 秒初始化时间，但至少不会出现“三个 Agent 审三份不同合同”的荒唐事。
一个让我失眠的发现
上周五晚上 11 点，我在压测环境发现了个诡异现象。
5 个 Agent 同时向 Shared Context Bus 写记忆时，有概率出现“写入覆盖”——Agent A 写的记忆被 Agent B 的写操作直接盖了，没有任何报错，没有任何日志。我是翻了半天 trace 才确认的。
我在 GitHub 上提了 issue，目前官方还没回复。临时方案是加了个分布式锁，但这也意味着 Shared Context Bus 变成串行写入，吞吐量直接腰斩。
这件事让我认清了一个现实：GPT-5.6 的 Ultra Mode 本质上还是个 beta 功能，挂着正式版的名头在卖。多智能体系统的记忆共享和上下文一致性，远没到“开箱即用”的程度。圈子里有人说 Ultra Mode 其实就是去年那个被砍掉的“Project Hermes”改了个名，据我了解这个说法还没被证实，但用起来的感觉确实像半成品。
我的生产环境配置
踩了这么多坑，我现在配置是这样的：
- Agent 数量：不超过 4 个。超过 4 个，记忆同步复杂度指数级上升，我试过 6 个 Agent 跑 30 轮，记忆冲突率直接飙到 18%
- 记忆同步模式：关键节点同步 + 每 5 轮强制全量同步
- 上下文一致性：Document Version Lock + Memory Agent 仲裁
- 监控指标：记忆冲突率超 5% 就告警，上下文丢失率超 1% 就回滚
- Token 预算：记忆共享的 token 消耗控制在总消耗的 15% 以内，超了就切降级模式
这套配置跑了三周，上下文丢失率从最初的 12% 降到 0.3%，记忆冲突率控制在 2% 左右。不算完美。
但至少能用了。
说到底
多智能体系统的记忆共享，本质上是在三个维度之间做权衡：信息完整性、响应速度、成本。你不可能三个都要。
做医疗诊断、法律审查这类场景，信息完整性是第一优先级，那就接受更高的延迟和成本。做实时客服，响应速度优先，那就接受偶尔的上下文丢失。GPT-5.6 的 Ultra Mode 给了你足够的灵活性，但没给你足够的“默认正确”。你得自己理解业务场景，然后做取舍。
我猜这可能是 OpenAI 故意的——毕竟真正的生产级系统，从来不是靠默认配置跑出来的。今年 5 月那场 devday 上他们自己也说了，Ultra Mode 的目标是“给开发者最大的控制权”，翻译一下就是“我们不想替你背锅”。
你现在在用 GPT-5.6 的 Ultra Mode 吗？有没有遇到过什么诡异的记忆丢失问题？评论区聊聊，我看看是不是只有我这么倒霉。
#GPT-5.6 #多智能体系统 #记忆共享 #上下文一致性 #AI工程化 #踩坑记录
读者评论 2