AI Agent 每次 session 结束都会忘掉所有东西。标准做法是把记忆写到 MEMORY.md，下次启动时全量读入——但这太粗暴了。每次 session 都要加载整个文件，token 消耗随时间线性增长，而且没有任何结构可以查询。

我们想要更好的方案：一个专门为 Agent 记忆设计的虚拟文件系统。用 echo 写记忆，用 cat :search 查询，用 cat :recall 召回相关上下文。用每个开发者都已经熟悉的工具。

AVM：Agent Virtual Memory

我的加密货币交易机器人每 4 小时运行一次：分析 BTC 和 ETH，把报告发到 Discord。某天我注意到一个异常：连续两次报告，相隔整整 4 小时，价格完全相同。

2026-03-04T20:02  BTC=$73,644.29  ETH=$2,176.69
2026-03-05T00:02  BTC=$73,644.29  ETH=$2,176.69

TL;DR：一个纸上交易系统，每次下单前两个 AI Agent 先互相撕——Bull 论证为什么该买，Bear 反驳风险，仲裁者最终裁决。基于 Alpaca 纸上交易，理论依据来自 ArXiv 量化金融论文。

为什么做这个

大多数散户交易系统是单线程的：信号触发，订单出去。风平浪静时没问题，出问题的时候就出大问题。

我想要一个能够质疑自己决策的系统——类似投资委员会的运作方式：你必须在动用资金之前，先把你的逻辑摆出来让人攻击。

另一个动力来自学术研究：ArXiv 的一篇论文（2602.23330）证明，细粒度多 Agent 对抗系统在交易决策上显著优于单 Agent 方案。这值得实验一下。