上一篇，我们谈到，具身智能应该从模型中心走向系统中心，VLA 成为系统可以调用的一种能力。
那么，为什么要把 VLA 放进系统里？这样做究竟有什么好处？
一、系统如何增强 VLA 的泛化
我们可以从两个方面来看：空间泛化和语言泛化。
空间泛化，关注的是物品位置等空间条件变化后，任务还能不能完成。语言泛化，关注的是用户提出不同要求时，系统能不能做出相应的行为。
假设机器人能够拿起桌面中央的物品，但物品放到桌角后，它就容易失败。
Agent 可以先调用其他移动或抓取工具，把物品移到合适的位置，再交给 VLA 执行后续动作。
系统通过调整执行条件，让出现在更多位置的物品，都能进入 VLA 可以处理的范围。
假设我们希望机器人按要求整理桌面：这次收起杯子和书，下次只收文具，另一次则收好所有物品。
如果采用每种任务组合对应一个专门 VLA 的做法，就需要为不同要求准备不同模型。桌面上有五类物品，每一类都可以选择收或不收，就有 32 种组合，其中 31 种涉及实际收取。
但这些任务反复需要的基础动作，可能都是拿起和放下。
Agent 可以理解“这次要整理什么”，选择目标、安排顺序，再反复调用同一个具备拿放能力的 VLA。
原本需要多个专门模型分别覆盖的任务组合，可以由 Agent 编排同一个 VLA 来完成。
空间上，系统调整执行条件；语言上，系统理解要求并组织动作。通过这些方式，VLA 已有的能力可以被用到更多任务中。
但这里有一个前提：Agent 得知道 VLA 的能力范围，才能判断什么时候直接调用，什么时候需要先做调整。
它怎样获得并保留这种认识？这就引出了记忆。
二、Agent 如何通过记忆理解能力、复用流程
参考 Harness VLA 论文【1】，我们可以从工具记忆和任务记忆两个方面理解记忆的作用。
Agent 要调用 VLA，需要知道它擅长什么、在什么条件下能完成，以及哪些情况下容易失败。这些关于模型和工具的使用经验，就是工具记忆需要保存的内容。
例如，某个 VLA 擅长拿放桌面中央的物品，那么 Agent 面对桌角的物品时，就可以先安排位置调整，再调用它。
工具记忆让 Agent 对 VLA 的能力范围形成可以复用的认识，从而知道怎样把任务交给合适的能力来执行。
但完成一个任务，往往需要连续调用多个能力。
当系统找到一套有效流程后，也需要把它保存下来，以便下一次完成类似任务时复用。这就需要任务记忆。
例如，整理桌面可以形成这样的流程：理解用户要求、确定目标物品、逐个检查执行条件、调用拿放能力，最后核对结果。
任务记忆保存这套方法，使系统能够在新任务中沿用有效步骤，并根据当前环境调整。
因此，工具记忆帮助 Agent 知道“手里的能力应该怎样使用”，任务记忆帮助它知道“完成这件事应该怎样组织流程”。
那么，这两类记忆又是怎样来的？
三、Agent 如何通过闭环获取记忆
记忆可以由人提前设定。
人可以告诉 Agent：某个 VLA 擅长什么，调用前需要满足哪些条件，以及一个任务应该怎样完成。
但更重要的方式，是让 Agent 在实际执行中自己获取经验，形成和更新记忆。
这需要一个闭环：
观察 → 结合已有记忆思考 → 执行 → 评估结果 → 更新记忆 → 继续或调整。
假设 Agent 第一次处理桌角的物品，直接调用 VLA，没有成功。
它重新观察现场，尝试先调整物品位置，再调用 VLA，并检查物品是否被正确拿起和放下。
如果调整后成功了，系统就获得了一条经验：在这次条件下，先调整位置，再调用 VLA，是有效的。
这条经验可以帮助 Agent 补充对模型能力范围的认识，形成工具记忆。如果一系列步骤能够完成整个任务，还可以被整理为可复用的流程，形成任务记忆。
其中，评估负责判断真实结果是否符合目标。只有检查执行效果，系统才能判断哪些方法有效、哪些需要调整。
记忆也需要保留经验适用的条件，并在后续执行中继续接受检验。随着尝试增多，系统可以补充有效经验、修正错误认识，逐渐形成更可靠的能力理解和任务流程。
闭环让 Agent 获得经验，记忆让经验能够积累并被再次使用。
系统因此能够越来越了解怎样使用 VLA，并把这些经验带入后续任务。
既然 VLA 将作为一种能力，被 Claude Code、Codex 这样的智能系统调用，那么 VLA 本身又需要作出哪些改变，才能更好地适应系统？
下一篇，我们从模型这一侧继续讨论：VLA 应该如何适应具身 Agent 系统？
参考文献
【1】Yixian Zhang 等. Harness VLA: Steering Frozen VLAs into Reliable Manipulation Primitives via Memory-Guided Agents. 2026. arXiv:2607.08448.
聊聊这篇文章