上下文窗口、记忆与长任务：为什么“更长”会让 Agent 更能干

参考：来源 D · Anthropic

学完你能做到

先建立直觉

模型每一轮只带着一张有限大小的白板工作。它看得到白板上的内容，却不会自动保存上一张白板。白板越大，能同时摆下的任务、资料、代码和刚做过的步骤越多。

为什么上下文长度增加会促进 Agent 进步？

先建立直觉

白板不够时，不是把整间图书馆塞到桌上。你会写进度便签（记忆）、去书架取需要的书（RAG），并把已经完成的讨论整理成摘要（压缩）。

Agent 要比较 40 篇论文。第一天读了 12 篇，第二天上下文接近上限，第三天若只截断旧消息，就会忘掉纳入标准、已排除论文和未解决冲突。

本节追问：什么应该留在即时上下文，什么应该写入可恢复的外部状态？ 先不要急着看结论。沿着下面四步，逐项区分输入、决策、证据和失败信号。

四步案例推演。手机上可左右滑动查看；每个箭头都代表一次需要证据支撑的状态转换。

阶段	本步要做的决定	什么算证据	最常见的失败
分离状态	区分原始证据、工作记忆、长期记忆和任务状态	每类信息有位置、格式和保留周期	把聊天记录当成唯一记忆
压缩过程	将已完成阅读转成结构化证据表	摘要能回到页码与原文核验	压缩成一句没有来源的结论
恢复任务	新一轮加载目标、进度、开放问题和必要证据	中断后能从检查点继续	重新阅读所有历史消息
验证遗忘	测试关键约束在压缩后是否仍可回答	有恢复测试与冲突检测	窗口没报错就认为记忆正常

阅读方式：先遮住后两列自己回答，再用“证据”和“失败”两列检查理解。

常见误解

只购买更长的上下文窗口

实际上

可观察症状：任务晚一点才崩溃，但噪声、成本和注意力竞争仍存在。

更可靠的修复：同时设计选择、压缩、外部记忆、检查点和恢复验证。

案例工作坊 · 建议真正动手完成

25 分钟

查看参考答案

更长窗口提高单轮可用信息上限，但长任务能力来自窗口、外部状态、检索、压缩和恢复协议的组合。不能把长度等同于记忆。

迁移检查：换一个场景还会不会

上下文快满时，最危险的简单处理是？