LSREP（Longitudinal State‑Replay Evaluation Protocol）通过有序回放、显式生命周期调度、重复探针、演进的参考答案以及机制保真检查，提供一种系统化评估对话记忆累积、老化和修订的方法。\ \ ICE v2 作为案例实现，是一种本地优先的记忆中间件，具备类型化存储、检索融合和动态上下文预算等特性。私有单用户实例包含 1,985 条对话轮次、219 条不同探针以及跨 52 个检查点的 1,211 条探针‑检查点观测。\ \ 在三套普通密度数据集上，ICE v2 与向量 RAG 的平均质量差异接近零，同时选择的片段减少 32%，但估计的提示 token 使用量增加 6.6%。在第四套高密度数据集上，未预算的基线出现灾难性失败。保真审计表明检索过程存在缺陷，若干机制未被触发，图结构的效用尚未确认。\ \ 在公开的匹配诊断 LongMemEval 中，ICE v2 明显落后于纯向量 RAG：证据仅 Oracle 评分为 50.8% 对 72.8%，完整评分为 43.0% 对 69.5%，配对差异分别为 -22.0 分（95% CI [-26.6, -17.4]）和 -26.5 分（[-31.3, -21.8]）。在多会话和时间维度的严重失效中，系统表现出保守的弃答倾向。该诊断中 ICE 使用更少的上下文，展示了质量‑成本权衡而非效率优势。\ \ 综合回放、保真审计和公开端点测试，能够揭示单纯架构描述或聚合分数无法捕捉的独特失效模式。\ \ 点评