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
- 有人用 MCP 做了个 demo，主张商店应把价格和购物车开放给 AI — gelembjuk · 2026-07-22
- 开源 AI SDK provider 让 Vercel 应用接入本地 Codex 订阅 — lgrammel · 2026-07-22
- Codex vs Claude Code：谁更受欢迎？ — jxnlco · 2026-07-22
- CodeRabbit 用分层、图示和聊天代理重做代码评审 — _jaydeepkarale · 2026-07-22
- Claude Managed Agents 与 Vercel 联合演示公开 — brada · 2026-07-22
- 独立开发者把对着屏幕吐槽，做成了本地 MCP 报 bug 工具 — phdptsd · 2026-07-22