导语：当 Agent 从“单轮问答”走向“多步任务执行”，上下文不再只是一次请求的输入，而是一份需要持续维护的工作记忆。窗口有限、成本敏感、信息又不断累积，长上下文管理因此成为 Agent 工程化的核心问题之一。本文围绕摘要、检索与上下文窗口调度三条主线，梳理常见做法与工程权衡。本文为方法论层面的整理，不涉及具体产品版本与实测数据。

一、问题的起点：上下文为什么会“不够用”

Agent 的上下文压力来自几个方向的叠加：

• 任务链条变长：多步推理、工具调用、观察结果回填，使对话轮次和 token 数量持续增长。
• 工具输出体积大：检索结果、日志、文件内容、API 返回往往是长文本，且难以预先裁剪。
• 窗口存在硬上限：无论模型窗口多大，都存在边界；同时长上下文通常伴随更高的延迟与成本。
• 信息价值不均匀：早期对话可能包含关键约束，近期输出可能只是噪声，简单截断容易丢失要点。

因此，长上下文管理不是“把窗口撑大”，而是建立一套信息取舍与调度机制：什么该保留、什么该压缩、什么该放到外部、什么时候再取回来。

二、摘要：把历史压缩成可用的工作记忆

摘要的核心目标是把冗长的交互历史转化为结构化、低 token 但信息密度高的表示。

常见策略包括：

1. 滚动摘要（Rolling Summary）：当历史超过阈值时，将较早的对话压缩为摘要，保留近期原文。优点是实现简单，缺点是摘要可能丢失细节且误差会累积。
2. 分层摘要：先对片段做局部摘要，再对局部摘要做更高层汇总，形成树状结构，便于按需展开。
3. 结构化记忆：不写自由文本摘要，而是抽取为“目标、约束、已完成步骤、待办、关键事实”等字段。对 Agent 而言，结构化状态往往比自然语言摘要更稳定。
4. 增量更新：每轮只更新变化部分，避免全量重写带来的成本与不一致。

工程上需要关注几个要点：

• 摘要触发条件：按 token 阈值、轮次数或任务阶段触发，避免过于频繁。
• 保真与可追溯：摘要应保留关键标识（如文件路径、参数、结论），必要时能回溯到原始记录。
• 防止摘要漂移：多轮压缩后信息可能失真，可通过定期以原始关键片段校正，或对关键约束做“钉住”处理。

三、检索：把上下文从“窗口内”扩展到“窗口外”

当信息量超过窗口承载能力时，更合理的做法是将其存放在外部存储，通过检索按需注入。这实际上是把上下文管理转化为一个检索与注入问题。

典型组成：

• 外部记忆存储：对话历史、文档、工具输出、任务中间产物分别落库，保留元数据（时间、来源、任务 ID）。
• 检索方式：关键词检索、向量检索或混合检索；对 Agent 场景，按任务、按步骤过滤往往比纯语义相似更有效。
• 注入策略：检索结果不应无脑拼接，需要控制条数、长度与优先级，并标注来源以便模型判断可信度。
• 写回机制：Agent 产生的新结论、新事实应写回存储，形成可复用的长期记忆。

需要警惕的权衡：

• 检索召回不足会导致关键信息缺失，表现为 Agent“忘记”约束；
• 检索过度注入会挤占窗口、引入噪声，甚至干扰当前推理；
• 检索质量依赖切分与索引设计，切分粒度过粗会带入无关内容，过细则丢失上下文。

一个实用原则是：窗口内放“当前决策必需”，窗口外放“可能有用但非必需”，通过检索在需要时补齐。

四、上下文窗口调度：把有限空间分配给最该放的内容

调度关注的是“这一轮请求里，窗口应该装什么”。它介于摘要与检索之上，是一个资源分配问题。

可参考的调度思路：

1. 分层预算：为系统提示、任务目标、近期对话、检索片段、工具输出分别设定 token 预算，避免某一类挤占全部空间。
2. 优先级排序：任务目标与硬约束优先级最高，其次是当前步骤相关证据，最后才是历史背景。
3. 按阶段切换策略：探索阶段需要更多原始观察，收敛阶段更需要结论与约束，调度策略可随任务阶段变化。
4. 淘汰与压缩并行：对低价值内容直接淘汰，对中价值内容压缩为摘要，对高价值内容保留原文。
5. 工具输出的预处理：在回填上下文前先做截断、字段抽取或摘要，避免原始大文本直接进入窗口。

调度还需要考虑一致性问题：同一事实在窗口内不应出现互相矛盾的多个版本，否则会干扰模型判断。可通过“单一事实来源”与版本标记来缓解。

五、三者如何协同

摘要、检索与调度并非三选一，而是同一套记忆系统的三个环节：

• 摘要负责“压缩”，降低历史占用；
• 检索负责“外置与召回”，扩展可用信息边界；
• 调度负责“分配”，决定当前请求的窗口构成。

一个常见的闭环是：交互产生记录 → 记录落库并可检索 → 超阈值时触发摘要 → 每轮请求按预算与优先级组装窗口 → 关键结论写回长期记忆。这一闭环的具体参数（阈值、预算比例、检索条数）需要结合任务类型与模型特性调优，不存在通用最优配置。

六、趋势判断

• 从“塞满窗口”转向“管理记忆”：长上下文能力的提升不会消除管理需求，反而会让“如何选择信息”更重要。
• 结构化状态将更受重视：相比自由文本摘要，可校验、可更新的结构化记忆更利于多步任务的稳定性。
• 调度策略趋于显式化：把上下文预算与优先级写成可配置策略，而非隐含在提示词里，有助于调试与复现。
• 评估成为关键环节：需要针对“信息遗漏”“摘要失真”“检索噪声”建立可观测指标，否则优化缺乏依据。

结论

Agent 的长上下文管理，本质是在有限窗口与无限信息之间做持续取舍。摘要解决压缩，检索解决外置与召回，调度解决分配，三者共同构成 Agent 的工作记忆系统。工程落地的重点不在于追求某个单点技巧，而在于建立可观测、可调参、可回溯的记忆闭环。具体实现细节仍需结合真实任务负载验证，本文提供的是一套可复用的分析框架与设计思路。

生成标记：本文由 ITPUB 文章生成平台基于已选素材整理生成。