智能体长任务翻车？用户更在乎步骤6是否还记得步骤2

Vegetable_Basket8574 · reddit · 2026-08-19

用户提出对 Manus 等 Agent 替代方案的核心诉求：不要在多步骤任务中丢失上下文。理想的基准测试包含 6 个步骤（如竞品调研、定价分析、排除企业版、找差异、写报告、做 PPT），关键在于步骤 6 是否依然尊重步骤 2 的限制。现状是很多 Agent 开头表现很好，但最终产出包含已排除内容或遗漏竞品。作者认为相比于提升基准分数，解决“完整完成任务且不遗忘”的可靠性更重要。更倾向 Runable 这类能明确判断最终状态的工具，而非盲目追求“全自动驾驶”。