AWS 等公司披露 AI 智能体长时任务防上下文溢出与目标丢失机制

Techub News 消息，AWS 自主云编码智能体设计指南指出，浅层智能体在长时任务中易受上下文溢出与目标丢失影响，而解决该问题的关键在于智能体框架层而非模型本身。该框架通过上下文预算与卸载、压缩、记忆策略及待办状态四种机制，将浅层循环转化为深度智能体。 具体机制包括：当工具响应超过 2 万词元时，Deep Agents 会将其写入文件系统并替换为文件路径与前十行预览；当会话上下文超过模型窗口 85% 时，较早的写入与编辑工具调用会被截断为指针。Claude Code 则对首次提示前的加载内容进行预算，自动记忆上限为前 200 行或 25KB。 研究显示，单纯扩大上下文窗口并非有效解决方案。Chroma 的上下文衰减报告评估了包括 GPT-4.1、Claude 4 在内的 18 个大模型，发现随着输入长度增加，性能可靠性会下降。Anthropic 的上下文工程指南解释其机制在于注意力会为 n 个词元创建 n² 的成对关系，每个新增词元都会消耗有限的“注意力预算”。（MarkTechPost）