长跑 Agent 的上下文管理只有三种解法
blaizedsouza · x · 2026-07-28
长跑 agent 的上下文为什么总会失控
这条线程用可视化方式解释了 agent 在长任务里最常见的三种处理方式：
- 压缩（compaction）：把最早的对话压成摘要塞回窗口，能继续跑，但会丢失具体数字、路径和措辞，后面容易出现“和你前面说的不一致”的漂移。
- 检索（retrieval）：把历史切块、做 embedding、存到窗口外，需要时再取回。优点是能保留更多原始信息，但取不准就会漏关键信息。
- 隔离（isolation）：把不同任务/会话分开，避免互相污染。
作者强调，这三者不是同义词，而是各自牺牲不同信息；很多 agent 的上下文问题，实际上是系统设计时就已经埋下的。
「编程与Agent」频道最新
- 长任务 AI Agent 的上下文腐烂怎么管 — bushibuilds · 2026-07-28
- PR 守护进程把评审意见自动变成修复 PR — MikkoH · 2026-07-28
- Claude 编程上下文该不该定期重置？开发者纠结如何保留有效记忆 — mobileraj · 2026-07-28
- SAP 的 TRACE 在保留工具知识的同时实现 86% 召回 — SAP · 2026-07-28
- GlobalGPT 主打一站式 AI 工作区，月费 10 美元接入 100 多种模型 — hey_abusiddik · 2026-07-28
- GlobalGPT 演示通过 MCP 在 Codex 内生成视频 — hey_abusiddik · 2026-07-28