上下文工程四机制：破解长周期任务中的上下文溢出与目标丢失

智能体失效的根源不在模型，而在编排层

最简化的AI智能体即大语言模型（LLM）循环调用工具。该模式适用于短时任务；但当任务持续一小时、需执行200次工具调用时，系统会以两种可预测方式崩溃：上下文溢出（context overflow）与目标丢失（goal loss）。AWS《自主云编码智能体设计指南》直指问题本质——浅层智能体无法在长时间跨度中维持状态，而修复关键不在于更换更大模型，而在于‘harness’（编排层）：即管理模型之外一切要素的基础设施层。

为何扩大上下文窗口治标不治本？

增大上下文窗口看似直接，实则收效有限。Chroma《上下文衰减报告》评估了包括GPT-4.1、Claude 4、Gemini 2.5和Qwen3在内的18个LLM，发现即使在简单检索任务中，性能也随输入长度增长而显著不可靠。Anthropic指出其机理：注意力机制产生n²级token两两关系，每个新增token都在消耗有限的‘注意力预算’。上下文是边际收益递减的资源，而非可无限填充的容器。对智能体循环而言情况更严峻：Manus数据显示，典型任务约需50次工具调用，且输入-输出token比接近100:1；每次观测结果均滞留上下文，原始指令被推至窗口中部——这恰是模型回忆能力最弱的位置。目标丢失因此不是模型缺陷，而是长任务中未加管控的上下文的必然结果。

机制一：上下文预算与卸载

harness首要职责是决定哪些内容永不进入上下文窗口。Deep Agents设定了两条硬性卸载规则：工具响应超20,000 token时，写入文件系统，仅保留路径+前10行预览；会话上下文达模型窗口容量85%时，对已落盘的写/编辑类工具调用，截断为指针。仅当卸载空间耗尽后，才启用摘要。

Claude Code将预算逻辑前置至首次提示加载阶段：自动内存上限为前200行或25KB；MCP工具模式默认延迟加载，仅列工具名，完整模式按需通过工具搜索加载；经压缩后，任何重读文件若超5,000 token，均以路径引用替代内容。其文档中的上下文模拟清晰呈现效果：研究子智能体读取6,100 token文件后，仅向父智能体返回420 token结论——此即架构级预算。Anthropic指出，单个子智能体探索可能消耗数万token，但输出摘要通常仅1,000–2,000 token。AWS AgentCore正采用此范式：协调器并行启动3个浏览器子智能体（各运行于独立MicroVM），再由分析子智能体接收其结构化结果。AWS称该并行流程预期耗时4–6分钟，而串行处理则需长达3倍时间。

机制二：压缩（Compaction）

当卸载仍不足时，harness启动压缩：对逼近窗口极限的对话进行摘要，并以摘要为起点重启新上下文。这也是目标丢失高发环节——有损摘要极易遗漏关键约束。各实现对‘必须保留什么’有不同承诺。

Claude Code的压缩提示词明确保留架构决策、未解决缺陷及实现细节，剔除冗余工具输出；压缩后立即重读最近修改的最多5个文件，重新加载匹配规则，并注入已调用技能体（单技能≤5,000 token，总计≤25,000 token）。文档坦承：早期详细指令可能丢失，故持久化规则应置于项目根目录CLAUDE.md中，该文件从磁盘重新注入。用户可通过`/compact focus on the auth bug fix`引导摘要重点，或用`/autocompact`调整触发时机。

Deep Agents则将目标保持结构化：其摘要为含固定字段的结构化文档，专设‘会话意图’‘产出物’‘下一步’三栏。LangChain团队在强制摘要实验后加入该设计，实测显著提升性能。原始完整对话亦同步写入文件系统，后续可通过`read_file`指令恢复曾被摘要省略的事实。

编者观点：中国企业构建生产级AI智能体，亟需将‘harness’作为独立技术栈投入研发，而非仅聚焦模型选型或提示词优化；上下文预算、压缩、状态同步等机制的量化阈值设定，正是工程化落地的关键分水岭。