Agent 长任务上下文工程解析：用预算控制、压缩、todo-state 和记忆对抗上下文溢出与目标丢失
2026.09.13 · 观点 · 技术解析 · 媒体报道
AWS 等厂商揭示：解决 Agent 长任务崩溃的关键在 harness 层，而非模型。
AWS 设计指南指出，浅层 Agent 在长任务中会因上下文溢出、目标丢失而失败，修复关键在于 harness 层。文章对比了 LangChain Deep Agents、Claude Code、Manus、OpenAI Codex 和 Amazon Bedrock AgentCore 的四种机制：上下文预算与卸载、压缩、todo-state 和记忆。例如，Deep Agents 在工具响应超过 20,000 tokens 时写入文件系…
- 上下文窗口增大效果有限，注意力预算有限
- Deep Agents 卸载超 20,000 tokens 响应
- Claude Code 压缩后重读 5 个文件
- Manus 任务约 50 次工具调用，输入输出比 100:1
- AWS AgentCore 协调 3 个并行子代理
为什么值得看
揭示 Agent 长任务失败的真正原因与工程解法。
适合谁关注
AI 工程师、Agent 开发者、技术决策者