Gopinath：Instinct 的差异可能不在执行力
动察 Beating AI 快讯中，前 MIT 教授、Reflexion 共同作者 Ashwin Gopinath 提出一个猜测：最近在硅谷爆红的个人 Agent 助手 Instinct，真正和别家 Agent 拉开差距的，可能不是执行能力，也不是普通的长期记忆，而是对用户「长期状态」的持续维护。
Gopinath 说，他曾是创始人 Noah Shinn 的老师，两人还在 2023 年共同参与了 Reflexion 研究。不过他同时强调，自己没有 Instinct 的内部信息，下面的判断来自实际使用体验。
长期使用后，它似乎更懂用户
在他看来，单看任务执行，Instinct 并没有比 Hermes、OpenClaw 等 Agent 多出什么惊人的能力。现在很多 Agent 也已经会复盘、保存记忆，甚至自动生成 Skill。
真正让他觉得不一样的，是使用时间越长，Instinct 似乎反而越了解用户，而且没有明显被越来越多的历史信息拖累。
Gopinath 认为，关键可能在于它没有简单保存全部聊天和操作记录，再靠向量搜索或知识图谱把信息找回来，而是在持续维护一份「当前状态」：哪些用户偏好仍然有效，哪些事实已经变化，哪些任务还没完成，下一步应该等、继续跟进，还是直接行动。
“记忆编译”处理的是状态，而不只是记录
他把这个过程称为「记忆编译」：不断从杂乱的生活记录里筛出有用信息，压缩成一份持续更新的状态。重点不是「记得更多」，而是知道什么值得留下、什么应该失效，以及什么变化值得触发行动。
这对长期 Agent 很重要。一个持续几天甚至几周的任务，中间可能经历邮件回复、等待、条件变化和多次跟进。Agent 不只要记住过去发生过什么，还要知道哪些信息已经过时，现在真正重要的是什么，以及什么时候根本不需要打扰用户。
Reflexion 的延续：从总结失败到理解变化中的现实
Gopinath 认为，这和三年前的 Reflexion 有一条明显的延续线。Reflexion 让 Agent 把失败总结成文字记忆，用于下一次尝试；到了长期个人 Agent，问题进一步变成了如何持续理解一个不断变化的人和现实世界。
在他看来，大模型能力越来越接近，工具调用和执行框架也在快速普及，真正难复制的部分，反而可能是谁能长期记住正确的事情，并在正确的时候采取行动。