Berkeley 论文：丢弃自身历史的 Agent 比并行 Agent 表现高出最多 15%。重置上下文时，你保留什么？

TL;DR：在 UC Berkeley 的一项研究中，定期丢弃历史、从最佳结果重新开始的 Agent 表现更好。对开发者而言，开放的问题是：重置时应该保留什么？各来源的主要发现：**"Scaling Discovery Requires Forgetting"（UC Berkeley）**：Agent 定期丢弃会话和搜索历史，仅保留最佳候选结果。在四项有界发现任务中，结果有所改善，比并行 Agent 最高提升 15%，比单一 Agent 最高提升 39%。**Fork-and-Flush（Microsoft Research）**：报告了以全新上下文启动 fork、同时保留工作区状态所带来的收益。**Drew Breunig** 同时报道了这两项工作，以及 Anthropic 的 Memento 框架，并将这种失败模式称为"上下文惯性"（context inertia）：即证据已经变化，Agent 却仍固守早期假设。这个术语是他提出的。**这并不能说明**：每一个长时间运行的 Agent 都能因遗忘而受益。这些都是有界的研究和工程实验。我认为有趣的模式是：在两项研究中，都有某些东西在历史被丢弃后仍然保留了下来（最佳候选结果、工作区状态）。因此，设计问题在于什么应该放进持久层。如果你构建或运行长时间的 Agent 会话，你在重置时会保留什么？一个笔记文件；一个任务列表或计划；一个决策日志；目前的最佳输出；什么都不保留，Agent 从零开始。另外，你是按计划定期重置、在 Agent 停滞时重置，还是完全不重置？**来源**：上述两篇论文，以及 Drew Breunig 的文章 "Context Inertia"（2026 年 10 月 14 日）和 "The State of Context Engineering"（2026 年 10 月 24 日），发布于 dbreunig.com。