智能体长任务失忆 四套框架机制解密

大模型在长任务里反复失忆，跑着跑着就忘了最初的目标，这个困扰智能体行业已久的老毛病，根源可能并不在模型本身，而在包裹模型的那层执行框架。

AWS 一份自主云编程智能体设计指南把问题点得很直白：浅层智能体在长周期任务中会遭遇上下文溢出、被无关信息干扰而跑题，并且无法维持状态。而真正修好这一层的，是负责管理除模型之外一切事务的 harness。一份盘点多家主流框架的新研究，把这层外壳彻底掀开了：LangChain Deep Agents、Claude Code、Manus、OpenAI Codex 和 Amazon Bedrock AgentCore，各自用四台发动机，把浅层循环变成了能扛住长任务的深智能体。

最反直觉的一点是，把上下文窗口做大并不解决问题。Chroma 的 Context Rot 报告评估了18款大模型，发现即便在简单检索任务上，输入越长模型也越不可靠。Anthropic 给出的解释是，注意力机制对 n 个 token 会生成 n² 的两两关系，每多一个 token 都在消耗一笔有限的注意力预算，上下文是边际递减的资源，不是一个可以随便填满的桶。Manus 还透露，一个典型任务要调用约50次工具，输入输出比接近100比1，最初那条指令会慢慢漂向窗口的中段，而那里恰恰是回忆能力退化的位置。

第一台发动机是上下文预算与卸载。Deep Agents 出厂就写死两条硬规则：工具返回超过20000token 就写进文件系统，只保留路径加前10行预览；会话上下文超过窗口85% 时，旧的编辑调用被截断成指针。Claude Code 把同样的逻辑用在加载之前，自动记忆限制在200行或25KB，MCP 工具模式默认只列名字、按需拉取。AWS AgentCore 的演示更为彻底：协调器并行派生3个浏览器子智能体，各自待在独立的 MicroVM 里，分析子智能体只接收结构化结果，全程预期4到6分钟，若改为串行则会慢最多3倍。

第二台是压缩。当卸载不够用时，框架会把接近上限的对话摘要后重启。Claude Code 的压缩提示会保留架构决策和未解决的 bug，丢掉冗余输出，并在压缩后重读最近修改的最多5个文件、重新注入技能正文；它还会把完整原始记录写入磁盘，被摘要掉的事实日后仍能找回。Deep Agents 更把保住目标做成结构特性，摘要文档专门分出会话意图、已生成产物和下一步三个字段。压缩已经下沉到 API 层：OpenAI Responses API 用服务端压缩阈值参数提供服务端压缩，Codex 正是靠它撑住长编程任务，Claude 平台则给出可写自定义指令的压缩编辑项。

第三台是待办状态与念咒。Manus 的做法很朴素，建一份待办清单文件，一步步重写打勾，等于把目标反复念进上下文的末尾，推开淹没在中间的漂移。不过它并非稳赚：Deep Agents 在2026年7月的0.7版本中，因评估显示关掉待办反而奖励略高、成本更低，把待办中间件改成了可选；LangChain 仍建议在长任务、弱模型和需要展示进度的界面上重新打开它。

第四台是跨会话记忆。Claude Code 每次压缩后都从磁盘重新注入项目记忆文件，AgentCore Memory 则在后台跑抽取策略，让协调器下次直接召回而不必重新研究。但苏黎世联邦理工的研究泼了冷水：这类智能体上下文文件通常并不提升成功率，却让推理成本上涨20%到23%，每次重载都是对注意力预算的固定征税。Claude Code 因此建议把项目记忆文件压在200行以内。

研究最后提醒，框架是否真的抓得住目标，得靠强制触发压缩的测试来验证。最该警惕的失败，是智能体在摘要之后立刻反问澄清，或者错误地宣布任务完成。换句话说，让智能体在长路上不迷路，拼的不是模型有多大，而是框架这几台发动机调得有多细。