综述把长时程智能体拆成推理、记忆和经验三层
theomitsa · x · 2026-07-27
一篇综述把长时程智能体拆成三层能力
这条转发的是一篇关于 Long-Horizon Agents 的综述和配图，核心观点是：智能体能力的提升，来自两条线共同推进——一条是外部脚手架/编排系统，另一条是模型内部化优化。
主要内容
- 外部化 harness 工程：包括工作流、记忆管理、工具接口、MCP、校验与回退机制等。
- 内部化模型优化：包括更好的核心策略、合成微调、agentic RL 等。
- 配图把长时程智能体分成三层：
- H1：上下文内推理，单个窗口内完成的任务。
- H2：跨上下文记忆，靠状态与记忆压缩支撑跨小时/天的任务。
- H3：跨任务经验，能在开放式流中持续运行，把历史交互转化为可复用技能。
- 图中还展示，前沿智能体可处理任务的中位时长从 2020 年的秒级，延长到 2026 年的数小时级。
- 主要失败模式包括：目标漂移、上下文腐烂 和 稀疏奖励。
- 典型高影响应用是 软件工程、信息检索 和 电脑操作。
所属事件:长程智能体综述：系统架构比单纯堆模型更重要(2 条相关)→
「编程与Agent」频道最新
- Kolab 基准：真人屏幕录像揭示 AI Agent 高估自身协作质量 — minnesotanlp · 2026-10-27
- 开发者吐槽 Claude 烧 token：同样工作 GPT 省 3 倍用量更便宜 — haider1 · 2026-10-27
- InfoWorld：别把模型当地基，Agent 架构必须做到 48 小时可换模型 — rseroter · 2026-10-27
- 便宜模型跑 Agent 反而更贵：线性往返堆爆上下文窗口 — vasuman · 2026-10-27
- 5 千行 Rust 单二进制看板 Kanzo：给 Claude Code 当任务板 — allmudi · 2026-10-27
- 「人类审批就安全」是幻觉：approval fatigue 与 Agent 风险设计 — Efistoffeles · 2026-10-27