Agent上下文污染：如何让AI不健忘

用 Agent 做复杂任务的时候经常遇到过这种情况一开始回答得挺好跑了几轮工具调用之后开始忘事渐渐答非所问甚至重复之前做过的事情这种情况就是网上讨论的非常频繁的问题——上下文污染Context Pollution。这主要是因为 LLM 的上下文越长注意力越分散。在长上下文中后面的 token 会逐渐盖过前面的内容模型对早期信息的检索能力明显下降。具体到 Agent 场景调了一次文件搜索返回 200 行代码跑了一次测试输出 50 行日志中间还试错了几次debug 信息堆了一摞这些全塞在上下文里。等到第 10 轮推理的时候prompt 里 80% 的内容是已经用过的中间结果真正关键的任务目标反而被挤到角落去了。debug 轨迹的累积正是长任务性能下降的元凶。如果子任务 A 的错误日志还在上下文里子任务 B 就被干扰了。别人怎么解决的最早的做法是压缩上下文——把旧的工具结果落盘只留个摘要或者对整个对话历史做一次 summarization。LangChain 的 Deep Agents SDK 就是这么干的超过 2 万 token 的工具结果自动落盘上下文到 85% 的时候触发全量压缩。但压缩是有代价的摘要可能丢细节模型之后需要那个细节的时候找不回来。Anthropic 的上下文工程文章专门提到了goal drift——压缩之后模型忘了最初要干什么开始瞎转悠。更彻底的方案是子 Agent 委派给每个子任务开一个全新的上下文窗口干完活只把结果返回给主 Agent。主 Agent 的上下文始终干净。这个思路现在已经是业界共识。大部分框架都已经支持了子 Agent 模式。核心思想一样主 Agent 负责决策和编排子 Agent 在隔离的上下文里执行具体任务只把最终结果不是中间过程返回主 AgentAgentScope 的子 Agent 有什么特别的概念不新鲜但实现质量差别很大。AgentScope Java 2.0 在子 Agent 这块有几个设计我觉得值得拿出来讲讲。零配置就能用大多数框架要你写一堆代码注册子 Agent。AgentScope 最简单的方式是在工作区放一个 Markdown 文件---description: 代码审查专家。当用户需要 review PR、检查代码规范时使用。---你是一个专注代码评审的子 Agent。文件名就是 agent_id主 Agent 在推理时自动识别并调用。不需要注册不需要改 Java 代码。这个设计看起来简单但实际用起来差别很大——子 Agent 的定义能跟代码一起提交到 Gitreview 的时候大家都能看懂改起来也方便。后台任务不用轮询主 Agent 调 agent_spawn 时可以选同步等结果还是后台跑。后台模式下子 Agent 跑完不需要轮询——下一次推理开始前框架自动把结果注入对话system-reminder后台任务已交付- task_idxxxagentresearcherstatusCOMPLETED结果摘要.../system-reminder主 Agent 看到这条提醒自然接着处理。而其他框架大多需要你手动调 task_output 或者 list_background_agents 去查状态。用户可以直接跟子 Agent 对话这个是 AgentScope 独有的能力配置 expose_to_usertrue子 Agent 就变成一个用户可直接交互的入口完全绕过父 Agentagent_spawn agent_idresearcher task调研 AI 趋势 expose_to_usertrue适合分支对话场景——主 Agent 派一个专家出去用户独立地跟那个专家继续聊不用每次都经过主 Agent 转发。安全边界不会破子 Agent 会自动继承父 Agent 的权限限制。父被禁用的工具子也用不了。userId 自动透传多租户隔离链不会断。这个在 demo 里感觉不到重要性但在生产环境里是底线委派的子任务同样必须安全控。流式事件实时转发同步子 Agent 的中间事件会实时流回父 Agent 的 streamEvents() 流中每个事件带 source 字段标识来源比如 main/researcher。前端可以区分渲染父子 Agent 的输出用户能看到子 Agent 的实时进度。什么时候该用子 Agent几个典型场景任务涉及多种专业能力代码审查 文档生成 测试拆成多个专家特定步骤的上下文特别重分析大量文件隔离出去防止污染主 Agent多个独立任务需要并行跑可以通过后台创建几个子 Agent 同时处理不同模型处理不同任务比如便宜的模型来做数据清洗贵的模型做最终总结分析如果你的 Agent 就是简单的一问一答加几个工具调用就完全没必要用子 Agent了徒增复杂度。最后上下文污染是个隐蔽的问题——它不报错只是让 Agent 慢慢变傻。子 Agent 委派是目前最有效的解决方案之一给每个子任务一个干净的上下文主 Agent 始终保持清醒。AgentScope 2.0 在这个模式上做得比较完整从声明式配置到后台任务自动通知到用户直接交互到权限继承和流式转发。尤其是零配置的 spec 文件方式和 expose_to_user 这两个设计在实际项目里省了不少事。