长时程智能体的真实瓶颈
青稞AI · wechat · 2026-07-21
这篇长文解读了一篇 149 页的长时程智能体综述，核心结论是：Agent 真正的瓶颈不只是单步聪明，而是能否在长链路任务里持续保持目标、记忆和恢复能力。
文章主线
综述把长时程能力拆成两部分共同演化：
- 外部脚手架 / Harness 工程：工作流编排、记忆、工具、技能、hooks、权限与验证。
- 内部模型优化：架构、数据合成、预训练、微调、Agent RL、蒸馏与自进化。
三层能力框架
文章概括了三个层级：
- H1/C1：窗口内的交互式推理。
- H2/C2：跨窗口、跨会话的状态记忆。
- H3/C3：跨任务流的经验积累与持续成长。
关键判断
文中认为，长程任务最常见的失败来自目标漂移、上下文腐化、稀疏延迟奖励、不可逆操作。因此，Agent 竞争越来越像系统工程竞争：不仅看模型能力，更看运行时控制层是否完整。
「编程与Agent」频道最新
- UCSB 教授王骁连获三笔超 18 万美元资助，推进实用高效主动式 AI Agent — xwang_lk · 2026-10-27
- 开发者观点：生成式游戏不必实时渲染，回合制交互同样可行 — djcows · 2026-10-27
- 用 Claude 三周重制《街霸2》HD，token 花了 3000 美元 — Fantastic-Jeweler781 · 2026-10-27
- 求职作品集反向工程法：先用 Agent 调研面试官，再定作品要传达的一两个亮点 — brandon_galang · 2026-10-27
- 给 AI 一台无隐私裸机 24/7 放养：比任何 agent 课程学得都多 — EXM7777 · 2026-10-27
- 掌握 Agentic AI 工程必读的 20 篇论文清单，按六大模块整理 — MaryamMiradi · 2026-10-27