Deep Agents 新增自主上下文压缩工具

4 分钟阅读 2026年3月11日

TL;DR：我们为 Deep Agents SDK （Python）和 CLI 新增了一个工具，让模型能在合适时机自主压缩自己的上下文窗口。

为什么要压缩上下文？

上下文压缩是一种减少智能体工作记忆中信息的操作。旧消息会被替换为智能体进度的摘要或浓缩表示，保留与任务相关的部分。这个操作通常是为了适应有限的上下文窗口，减少上下文腐化（Context Rot）。

智能体执行框架（Harness）通常通过固定 token 阈值来控制压缩（deepagents 使用模型配置文件，在任何给定模型上下文限制的 85% 时压缩）。这种设计不够理想，因为压缩时机有好有坏：

• 在复杂重构中途压缩并不理想；
• 开始新任务或认为先前上下文将失去相关性时压缩更好。

许多交互式编码工具都有 /compact 命令或类似功能，允许用户在合适时机手动触发上下文压缩。在 deepagents 的最新版本中，我们更进一步，向智能体暴露了一个工具，让它能自己触发上下文压缩。这实现了更机会主义的压缩，无需应用程序用户了解有限上下文窗口或发出特定命令。

该工具目前在 Deep Agents CLI 中默认启用，在 deepagents SDK 中需手动启用。

我们普遍看好一个观点：执行框架应尽可能“让路”，利用底层推理模型的改进。这是苦涩的教训的一个实例：我们能否给智能体更多对自己上下文的控制，避免手动调整执行框架？

什么时候该压缩？

有多种情况可能需要进行上下文压缩操作。

在清晰的任务边界：

• 用户表示将转向新任务，早期上下文可能无关
• 智能体已完成交付物，用户确认任务完成

从大量上下文中提取结果后：

• 智能体通过消耗大量上下文获得了事实、结论、摘要或其他结果，如在研究任务中

在消耗大量新上下文之前：

• 智能体即将生成长篇草稿
• 智能体即将读取大量新上下文

在进入复杂多步骤过程之前：

• 智能体即将开始冗长的重构、迁移、多文件编辑或事件响应
• 智能体已制定计划，即将开始执行步骤

已做出取代先前上下文的新决策：

• 新需求出现，使先前上下文失效
• 有许多切线或死胡同可以简化为摘要

枚举所有可能场景不切实际，但我们的观察是：人和 LLM 能识别这些场景，在合适时机压缩，避免上下文窗口接近限制时才进行压缩步骤。你可以在其系统提示中阅读我们为模型提供的关于此工具的指导。

调用工具时会发生什么？

该工具的参数设置与现有的 Deep Agents 摘要中间件相同：我们保留最近的消息（可用上下文的 10%），并总结之前的内容。最近的消息，包括对压缩工具的调用和相关响应，都保留在最近上下文中。

查看示例跟踪。

如何使用

该工具作为单独的中间件实现，因此你可以通过将其添加到 create_deep_agent 中的中间件列表来启用：

from deepagents import create_deep_agent
from deepagents.backends import StateBackend
from deepagents.middleware.summarization import (
    create_summarization_tool_middleware,
)

backend = StateBackend  # if using default backend

model = "openai:gpt-5.4"
agent = create_deep_agent(
    model=model,
    middleware=[
        create_summarization_tool_middleware(model, backend),
    ],
)

更多细节请参阅 SDK 文档。

在 CLI 中，只需在准备好修剪上下文或转向新任务时调用 /compact。

我们的使用体验

我们调整了这个功能，使其保持保守。Deep Agents 在其虚拟文件系统中保留所有对话历史，允许在摘要后恢复上下文，但错误的上下文压缩步骤会破坏工作流。我们测试了：

• 自定义评估套件，使用（我们自己的）LangSmith 跟踪向需要和不需要压缩的线程注入后续提示；
• Terminal-bench-2，未观察到任何自主压缩实例；
• 我们在 Deep Agents CLI 中的编码任务。

实践中，智能体对触发压缩持保守态度，但当它们触发时，往往选择明显改善工作流的时刻。

自主上下文压缩是一个小功能，但它指向智能体设计的更广泛方向：给模型更多对自己工作记忆的控制，减少执行框架中僵化的、手动调整的规则。如果你正在构建长期运行或交互式智能体，请在 Deep Agents SDK 或 CLI 中试用，并告诉我们你的反馈以及你希望它接下来处理哪些模式。

加入我们的通讯

来自 LangChain 团队和社区的更新

输入你的邮箱

处理你的申请...

成功！请检查你的收件箱并点击链接确认订阅。

抱歉，出错了。请重试。