LangChain 讓 AI 代理能自主掌控自己的記憶管理

Terrill Dicki

2026年3月12日 01:55

LangChain的深度代理SDK現在允許AI模型自行決定何時壓縮其上下文窗口，減少在長時間運行的代理工作流程中的手動干預。

LangChain已發布其深度代理SDK的更新，賦予AI模型自主管理記憶的能力。該新功能於2026年3月11日宣布，允許代理自主觸發上下文壓縮，而非依賴固定的令牌閾值或手動用戶命令。

此變化解決了代理開發中的一個持續難題：上下文窗口在不合時宜的時候填滿。目前的系統通常在接近模型上下文限制的85%時進行記憶壓縮——這可能發生在重構過程中或在複雜的調試會話中。時機不當會導致上下文丟失和工作流程中斷。

為何時機重要

上下文壓縮並不新鮮。這項技術用濃縮的摘要取代較舊的訊息，以保持代理在令牌限制內。但何時進行壓縮與是否壓縮一樣重要。

LangChain的實現識別出幾個最佳壓縮時機：用戶轉換焦點的任務邊界、從大量研究內容中提取結論後，或在開始長篇多檔案編輯之前。代理本質上學會在開始繁瑣工作前先整理清理，而不是在空間不足時慌亂。

2024年12月由Factory AI發表的研究支持這一方法。他們的分析發現，結構化摘要——保持上下文連貫性而非激進截斷——對於像除錯這樣的複雜代理任務至關重要。維持工作流程結構的代理在性能上明顯優於僅使用簡單截斷的方法。

技術實現

該工具作為Deep Agents SDK（Python）的中介軟體發布，並與現有的CLI集成。開發者將其加入代理配置中：

系統會保留可用上下文的10%作為最新訊息，同時對之前的內容進行摘要。LangChain內建安全機制——完整的對話歷史會保留在代理的虛擬檔案系統中，若壓縮出錯可進行恢復。

內部測試顯示，代理在觸發壓縮時較為保守。LangChain用他們的Terminal-bench-2基準測試和使用LangSmith追蹤的自定義評估套件驗證了此功能。當代理自主壓縮時，通常選擇能改善工作流程連續性的時機。

更廣的意義

此次發布反映了代理架構哲學的更廣泛轉變。LangChain明確引用了Richard Sutton的“苦澀教訓”——即利用計算的通用方法隨著時間推移往往優於手工調整的方法。

不再由開發者細緻配置代理何時管理記憶，框架將此決策委託給模型本身。這是一個押注：像GPT-5.4這樣的模型已經具備足夠的推理能力，能可靠地做出這些操作決策。

對於構建長時間運行或交互式代理的開發者來說，該功能可通過SDK選擇啟用，並在CLI中使用/compact命令。實際效果是：工作流程中斷更少，對用戶來說也不需要過多手動干預上下文限制，因為大多數終端用戶根本不理解這些限制。

圖片來源：Shutterstock