传统 RAG 有一个很少被点破的缺陷：它是无状态的。每次回答都从头检索，用完即丢，同样的内容在一轮对话里被反复取出好几遍，系统没有「工作记忆」这个概念。
人类认知不是这样工作的。Baddeley 的工作记忆模型描述的是一个有容量、有层级、会主动调度的结构：我们决定记住什么、把它放在哪一层、什么时候取出来。Clark 与 Chalmers 的延展心智、Hutchins 的分布式认知则进一步指出，这个结构可以外溢到纸笔和工具上。检索增强把外部存储接上了，但把调度这一半丢了。
论文说了什么
Cognitive Workspace 提出一个照着上述认知机制搭的范式，核心是三件事。
主动记忆管理：系统自主决定保留什么、丢弃什么，而不是每轮都把检索结果当一次性材料。分层认知缓冲：短期、工作、长期记忆分层存放，各层的淘汰策略不同。任务驱动的预取：按当前任务重排和提前拉取上下文，而不是按向量相似度堆砌。
概念验证跑的是一轮四回合的对话。工作区在第一回合就达到 50.0% 的记忆复用率，随着对话深入稳定在 55–57% 区间，全程均值 58.6%；传统 RAG 的复用率是 0，因为它每轮都重新检索一遍。代价是工作区每回合多做 3.3 倍的管理工作，但省下的重复检索把这笔开销赚了回来，端到端净效率提升 17–18%。
这篇的证据强度
这一篇需要一段坦白，而且是作者自己先说的。
实验测的是记忆复用率，而记忆复用率恰好是这套架构被设计出来要最大化的那个指标。拿它当架构有效的证据，逻辑上是循环的：它证明了机制按设计运转，没有证明这套机制让答案更好。整个概念验证从头到尾没有测过回答准确率，也没有跟一个像样的原文基线比过。
这个缺口后来被自己的另一项工作填上了，结论并不站在这一篇这边。受控消融显示，把对话蒸馏成结构化条目在 LoCoMo 上比直接存原文切片低 15.9 分，在 LongMemEval-S 上低 22.0 分（见另一篇导读）。也就是说，「主动管理」这个调度层的价值需要重新界定：值得保留的是调度，不是用蒸馏后的状态替换原文。
四回合对话的样本量也小到不足以支撑任何比例外推，17–18% 这个数字应当读作一次演示，不是一个可迁移的估计。
对实践的意义
FIM One 的知识库与会话记忆分两层落地，恰好对应上面这次修正：调度层沿用主动管理的思路，会话内已建立的上下文优先复用而不是重复检索；存储层则守住原文，结构化索引只负责导航。
这两篇合起来读才完整：主动管理决定「什么时候拿」，存储保真度决定「拿到的东西还剩多少」。任何一个 RAG 系统在这两个问题上都要各自表态，而它们的最优答案并不相同。