为什么智能体在长任务中会遗忘并偏离轨道：AWS、Claude Code 和 Manus 解析四大框架

大型语言模型在执行长时间操作时经常失去焦点，偏离其最初目标——这是智能体领域的一个持续挑战。该问题通常并非源于模型本身，而是源于周围的执行框架。AWS 最近发布的云编程智能体设计指南清楚地指出了这一点：浅层智能体会因上下文溢出而失去焦点，在长周期中迷失方向，且无法维持状态。解决这一问题需要优化管理核心模型外部所有操作的“框架”（harness）。

对主流框架的全面审查揭示了这一关键层。LangChain Deep Agents、Claude Code、Manus、OpenAI Codex 和 Amazon Bedrock AgentCore 均利用四种关键机制——上下文预算、压缩、任务状态管理和跨会话记忆——将基本循环转化为能够处理复杂、长时间运行任务的强大智能体。

最反直觉的发现是，简单地扩大上下文窗口并不能解决问题。Chroma 的《上下文旋转报告》评估了 18 个大型模型，结果显示，即使在简单的检索任务中，随着输入长度的增加，模型的可靠性也会下降。Anthropic 解释说，注意力机制为 n 个令牌生成二次成对关系，这意味着每个额外的令牌都会消耗注意力预算的有限部分。上下文是一种消耗性资源，而非无限容器。Manus 进一步指出，典型任务涉及大约 50 次工具调用，输入与输出的比率接近 100:1。因此，初始指令逐渐向窗口中心移动——这正是记忆退化最显著的区域。

第一个引擎专注于上下文预算和卸载。Deep Agents 强制执行两条严格规则：如果工具返回超过 20,000 个令牌，数据将写入文件系统，仅保留文件路径和 10 行预览；当会话上下文超过窗口容量的 85% 时，较旧的编辑命令将被指针替换。Claude Code 在加载前应用类似的逻辑，将内存使用限制在 200 行或 25KB，MCP 工具模式默认为列出名称并按需获取详细信息。AWS AgentCore 的实施更为严格：协调器并行生成三个浏览器子智能体，每个子智能体都在自己的 MicroVM 中运行。分析子智能体仅接收结构化结果，将预期持续时间缩短至 4-6 分钟，而串行执行可能需要长达三倍的时间。

第二个引擎处理压缩。当卸载不足时，框架会在接近容量限制时总结对话并重新启动过程。Claude Code 的压缩提示保留了架构决策和未解决的错误，同时丢弃冗余输出。压缩后，它会重新读取最后五个修改过的文件，并重新注入相关的技能文本。它还将完整的原始记录归档到磁盘，确保在总结过程中丢失的事实可以稍后检索。Deep Agents 将目标保留视为一种结构特性，将总结文档组织为意图、生成的输出和下一步。压缩也已集成到 API 层面：OpenAI 的 Responses API 通过 compact\_threshold 提供服务器端压缩，Codex 利用该功能处理长编程任务。Claude 平台提供可自定义的压缩设置，并支持写入指令。

第三个引擎管理任务状态和持久提醒。Manus 采用了一种简单的方法：创建一个 todo.md 文件并逐步勾选项目，有效地将目标嵌入上下文末尾，以对抗“淹没在中间”的情况。然而，这种方法并非普遍有效：Deep Agents 在 0.7 版本（2026 年 7 月发布）中使其待办事项中间件变为可选，因为评估显示禁用它略微提高了奖励分数并降低了成本。LangChain 仍建议在长时间任务、较弱的模型以及需要进度可见性的界面中重新启用此功能。

第四个引擎实现跨会话记忆。Claude Code 在每次压缩周期后重新加载 CLAUDE.md 和自动记忆。AgentCore Memory 在后台运行提取策略，使协调器能够直接回忆之前的见解，而不是重新分析它们。然而，苏黎世联邦理工学院（ETH Zurich）的研究表明需谨慎：AGENTS.md 等上下文文件通常不会提高成功率，但会使推理成本增加 20% 至 23%，每次重新加载都会对注意力预算征收固定税。因此，Claude Code 建议将 CLAUDE.md 保持在 200 行以下。

该研究得出结论，验证框架是否真正“掌握目标”需要进行强制压缩测试。最危险的模式是智能体在总结后立即请求澄清，或错误地宣布任务完成。最终，在漫长旅程中保持智能体不偏离轨道，并不取决于模型的大小，而是取决于这些支持引擎的精确性。