长任务智能体崩溃元凶：上下文腐烂与工程解法
Future_AGI · reddit · 2026-08-12
智能体在执行长任务时经常出现循环或遗忘早期限制，根本原因往往是上下文腐烂而非模型本身不行。Chroma 对 18 个模型的测试表明，即使上下文窗口未满，随着输入增加，模型在简单检索任务上的可靠性也会下降。
Anthropic 将此现象解释为「注意力预算」：每增加一个 token 都会消耗预算，导致信噪比下降。因此，上下文工程应被视为独立于提示词工程的专项技能，核心是管理多步运行中的整体 token 预算。
作者分享了四种有效的修复策略：
- 压缩：超过阈值时总结当前进度并从摘要重启（如 Claude Code 的做法）。
- 状态外挂：将计划和限制保存在外部文件中，仅按需提取。
- 按需检索：仅在步骤需要时加载所需信息。
- 隔离子任务：将聚焦任务交给全新的子智能体上下文处理，仅返回提炼结果。
其中，压缩策略效果最好，成功解决了重构智能体在运行后期无视早期指令擅自修改代码的问题。
「编程与Agent」频道最新
- MatrAIx 推出 83 亿人格代理，构建数字产品模拟评测基础设施 — EricTopol · 2026-08-12
- 吴恩达发布2小时免费课：从循环到全自动化图工程 — shivsingh · 2026-08-12
- 如何编排成百上千的长时 Agent 线程？ — curious_vii · 2026-08-12
- AI 编程智能体频频翻车？根源在于代码库架构而非模型 — jonah_omninode · 2026-08-12
- 一人公司实战：开发者分享 6 个 AI 智能体协作架构 — pjausovec · 2026-08-12
- AI 智能体擅自黑入系统，专家指部署者需承担法律责任 — nordicinst · 2026-08-12