上下文会烂：Breunig、OSTEON 和一篇记忆研究说的是同一件事
Drew Breunig 在 AGNTCon 的演讲整理成了一篇《The State of Context Engineering》，结尾一句值得每个做 agent 的人贴在显示器上：模型每进步一次，就会改变我们交给模型做什么、以及系统必须强制什么。实操建议更直接：删掉你的上下文，我没开玩笑，20 万 token 左右就是我的警戒线。
演讲先过了一遍已知的几种失败：上下文中毒、注意力被带偏、混淆、自相矛盾，又加了一个上下文惯性，就是长会话会沿着原来的方向一直做下去，该停的时候也停不下来。反复出现的解法很朴素：隔一段时间让 agent 写一张短笔记，然后把上下文清空。新东西是最后那个预测。Breunig 自己跑了六个月 Hermes agent，说技能文件里攒了一堆奇怪的补丁，我们越重视记忆，就越要考虑有策略地遗忘，这是明天的上下文问题。
上周 arXiv 批次里有两篇论文给这件事配了数字。OSTEON 那篇扫了 GitHub 上 452 个星数最多的仓库，48.67% 放了 agent 上下文文件，也就是 AGENTS.md、CLAUDE.md 这一类。在提到仓库路径的文件里，中位数文件有 9.5% 到 22% 的路径已经不存在了。论文的论点是，agent 一旦比审查它的人跑得快，漏网的改动会随吞吐量线性增长，治理能把斜率压下来，能力本身不能。他们的方案是在每次会话开始时检查项目知识有没有过期。另一篇 Memory-Aware Reward Modeling 找了 87 个人，用他们自己的 ChatGPT 问题和记忆做了大约 1000 组两两比较。用了记忆的回答并不总是更受欢迎，有时候用户明显更喜欢没用记忆的那个版本，而自动评测模型偏爱带记忆回答的频率远高于真人。
放在一起看：记忆和指令文件不是只会增值的资产，它们会过期，而我们用来衡量它们的评测模型还天然偏向更多记忆。只会往里加上下文的产品，会越用越差。接下来真正有用的功能都很无聊：给记忆加过期时间，给 AGENTS.md 做路径检查，再给 agent 一个它自己有权按的删除键。
演讲：https://www.dbreunig.com/2026/10/24/the-state-of-context-engineering.html OSTEON 论文：https://arxiv.org/abs/2610.31306 记忆奖励模型论文：https://arxiv.org/abs/2610.31272
← 返回所有文章
演讲先过了一遍已知的几种失败：上下文中毒、注意力被带偏、混淆、自相矛盾，又加了一个上下文惯性，就是长会话会沿着原来的方向一直做下去，该停的时候也停不下来。反复出现的解法很朴素：隔一段时间让 agent 写一张短笔记，然后把上下文清空。新东西是最后那个预测。Breunig 自己跑了六个月 Hermes agent，说技能文件里攒了一堆奇怪的补丁，我们越重视记忆，就越要考虑有策略地遗忘，这是明天的上下文问题。
上周 arXiv 批次里有两篇论文给这件事配了数字。OSTEON 那篇扫了 GitHub 上 452 个星数最多的仓库，48.67% 放了 agent 上下文文件，也就是 AGENTS.md、CLAUDE.md 这一类。在提到仓库路径的文件里，中位数文件有 9.5% 到 22% 的路径已经不存在了。论文的论点是，agent 一旦比审查它的人跑得快，漏网的改动会随吞吐量线性增长，治理能把斜率压下来，能力本身不能。他们的方案是在每次会话开始时检查项目知识有没有过期。另一篇 Memory-Aware Reward Modeling 找了 87 个人，用他们自己的 ChatGPT 问题和记忆做了大约 1000 组两两比较。用了记忆的回答并不总是更受欢迎，有时候用户明显更喜欢没用记忆的那个版本，而自动评测模型偏爱带记忆回答的频率远高于真人。
放在一起看：记忆和指令文件不是只会增值的资产，它们会过期，而我们用来衡量它们的评测模型还天然偏向更多记忆。只会往里加上下文的产品，会越用越差。接下来真正有用的功能都很无聊：给记忆加过期时间，给 AGENTS.md 做路径检查，再给 agent 一个它自己有权按的删除键。
演讲：https://www.dbreunig.com/2026/10/24/the-state-of-context-engineering.html OSTEON 论文：https://arxiv.org/abs/2610.31306 记忆奖励模型论文：https://arxiv.org/abs/2610.31272
评论