长时运行的Agent：瓶颈究竟是模型还是其周围的脚手架？

我在搭Agent时经常注意到一点：每个单独的步骤对模型来说都很简单，但整条链在长任务上还是会崩溃。我认为关键有三方面： **错误累积。** 即使每一步的准确率有95%，一个20步的链条也只有大约三分之一的概率成功（0.95^20 大约是0.36）。小错误会很快堆叠起来。 **上下文污染。** 经过足够多的工具调用之后，上下文里塞满了旧的输出、走不通的死路和失败的尝试，模型会慢慢丢失最初的目标。 **自我修正薄弱。** 当某一步出错时，模型通常会继续在错误的基础上往下做，而不是回退并修正它。 我不确定的是，真正的修复到底来自哪里。一派认为主要靠更好的模型。另一派认为，一个精心设计的循环（检查点、校验步骤、把状态存储在上下文窗口之外）比模型本身更重要。 很好奇大家在实践中看到过什么： - 你会把完整历史都留在上下文中，还是边走边做总结和裁剪？ - 单独的批评者（critic）或校验模型真的有帮助吗，还是只是增加了延迟和成本？ - 你的Agent通常在任务的哪个阶段开始崩溃？实际解决问题的办法是什么？ 很想听听哪些做法有效，哪些没用。