Deep Agents 的上下文管理：压缩而非删除工作历史

这与我们在 Deep Agents 中对上下文管理的思考方式非常相似：压缩应当减少发送给模型的信息量，而非抹去底层的工作历史。

在 Deep Agents 中，其逻辑如下：

• 每个代理都配备一个文件系统用于处理（可以是真实的，也可以是虚拟的）
• 当某个工具的输出过大时，我们会将完整结果写入文件系统（/large_tool_results），并将模型可见的消息替换为预览内容
• 当对话持续较长时间时，我们会优先将较早的消息归档至文件系统（/conversation_history），随后再生成摘要
• 代理还可以通过 compact_conversation 工具主动进行压缩，该工具同样采用“归档＋摘要”的逻辑

集成了上述所有逻辑的摘要中间件：github.com/langchain-ai/deep…

OpenAI (@OpenAI）
这是 GPT‑6 Astra。

凡是在计算机上能做的事，Astra 都能替您快速完成。视频