长期代理记忆需要在多个回合和会话中恢复与答案相关的分散证据。现有系统倾向于使用结构化记忆和自适应检索，但往往直接把检索或扩展后的单元喂给阅读器，导致记忆寻址与证据呈现耦合，最终上下文要么冗余要么不完整。
为了解决这一缺口，我们提出 MemCompile——一种面向查询的证据编译框架。给定查询，Address Plane 通过紧凑的源链接描述符和容量感知的 Cells 定位相关支持，并利用 归一化边界 将异构检索命中统一映射到稳定的 SourcePacket 身份。随后 Evidence Plane 在预设的证据预算内为互补的 packets 分配资源，允许少量额外支持，并将每个选中 packet 中保留的声明渲染为可直接用于回答的上下文。
实验结果显示，MemCompile 在 LoCoMo 基准上实现 80.52% Judge Accuracy，并将质量‑成本 Pareto 前沿推向更高质量区间。其在 LongMemEval‑S 上的强劲表现进一步表明，查询条件的编译策略能够在不同长期对话记忆基准间实现良好迁移。
点评：MemCompile 通过解耦检索与呈现、引入预算约束的证据编译，有效提升了长期对话系统的检索完整性和回答可用性，为未来记忆增强模型提供了可行路径。