一句话看懂：AI 智能体跑长任务时频繁“失忆跑题”，问题往往不在大模型本身，而在包裹模型的执行框架。AWS、Claude Code、Manus、OpenAI Codex、Amazon Bedrock AgentCore 等正用四套机制把“浅层循环”改造成能处理长任务的深智能体。
事件核心：发生了什么
一份梳理多个主流框架的研究指出，LangChain Deep Agents、Claude Code、Manus、OpenAI Codex 和 Amazon Bedrock AgentCore 都在围绕四个“引擎”做工程化设计。AWS 自研的云编程智能体设计指南把问题说得很直接：浅层智能体在长周期任务中会遭遇上下文溢出、注意力被带偏、状态无法保持。
第一个引擎是上下文预算与卸载。Deep Agents 内置硬规则：工具返回超过 20000 tokens 就写入文件系统，只留路径和前 10 行预览；会话上下文超过窗口 85% 时，旧的编辑调用被截断为指针。Claude Code 在加载前就把记忆限制在 200 行或 25KB。AWS AgentCore 则让协调者并行启动三个浏览器子智能体，各自跑在独立 MicroVM 中，分析子智能体只接收结构化结果，预期耗时 4 到 6 分钟。
其余三个引擎分别是：逼近上限时压缩对话、用 todo 清单“复述”目标、跨会话记忆。值得注意的是，Chroma 的 Context Rot 报告评估了 18 个大模型后发现，输入越长模型越不可靠；Anthropic 解释注意力机制会为 n 个 token 生成 n² 配对关系，上下文是递减资源而非无限桶。Manus 也透露，典型任务约调用工具 50 次，输入输出比接近 100:1。
为什么重要
这指向一个被低估的事实：单纯扩大上下文窗口解决不了长任务稳定性。目前公开信息显示，压缩已下沉到 API 层——OpenAI Responses API 通过 `compact_threshold` 提供服务端压缩，Codex 依赖它处理长编程任务；Claude 平台也提供可自定义的压缩编辑选项。这意味着“harness”正成为模型能力之外的独立竞争维度，谁能管好模型之外的一切，谁就能让同样的模型跑得更远。
对用户/开发者/创作者的影响
对开发者而言，框架选型不再只看模型跑分，而要看上下文卸载、压缩策略、状态管理和跨会话记忆的实现质量。Deep Agents 在 2026 年 7 月发布的 0.7 版本把 todo 中间件改为可选，因为评测显示关闭后奖励略升、成本下降；LangChain 仍建议长任务、弱模型和需要进度展示的界面重新开启它。对企业和创作者，ETH Zurich 的研究提供了冷静参照：AGENTS.md 这类上下文文件通常不提升成功率，反而让推理成本增加 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 CLAUDE.md 控制在 200 行以内。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
其一，四套引擎的工程实践是否会沉淀为行业通用标准或开源中间件；其二，API 级压缩与记忆能力的定价和调用成本是否变化；其三，框架是否把“强制压缩测试”纳入常规验证——最危险的失败是智能体总结后立刻要求澄清，或错误宣布任务完成。这些问题目前尚无统一答案。
来源：AIbase
