代理设计:长期运行的代理、上下文压缩与技能

代理产品优先考虑长期运行的上下文、结构和工具集成。
Key insights
云驻留代理保留上下文并避免本地用户体验冲突
Manus 从本地浏览器代理原型转向云驻留的“空中浏览器”模型:该代理在持久的云虚拟机中运行,保持连续的上下文,并避免干扰用户的本地用户界面和设备状态。这一设计使得代理能够全天候活动,捕获更丰富的环境信息,并将用户设备交互与代理操作分开,从而解决了本地代理原型中存在的可用性和连续性问题。
应用团队应协调最佳模型,而不是依赖单一基础模型
Manus 有意放弃训练自己的基础模型,以避免与模型检查点相关的产品迭代锁定。相反,它根据不同的能力(例如,编码与多模态)使用多个顶级提供商模型,并作为大型消费者进行谈判,以获得提供商优化,保持灵活性并捕获多样化的优势,同时将产品投资集中在编排、工具和用户界面上。
上下文压缩必须关注任务并保留可操作的工件
比较压缩策略的研究表明,极端的压缩率可能会丢失关键的低熵细节,如文件路径或错误消息。FactoryAI 的锚定迭代结构化总结保持意图、文件更改、决策和下一步,并在代理连续性任务中优于简单的高压缩方法,减少重复工作和幻觉。
技能系统通过提示驱动模块改变代理的可扩展性
Claude 的技能系统在运行时将结构化的 SKILL.md 内容(YAML 元数据 + 指令主体)注入对话中,动态地将 Claude 切换为领域专家,而无需执行外部代码。技能声明允许的工具、模型和执行约束,支持热更新能力、精确的权限管理以及通过更高优先级的上下文指令实现更安全的复杂工作流程。
高级工具使用减少令牌成本并扩展到大型工具集
Anthropic 的高级工具模式——按需工具搜索、程序化工具调用和工具使用示例——使代理能够处理数百到数千个工具,而无需预加载所有定义,从而降低令牌消耗并提高准确性。延迟加载和代码编排减少了上下文膨胀,使大型工具库存对长期运行的代理更具可操作性。
代理的鲁棒性需要可中断性、恢复能力和主动性
代理必须支持任务中期的用户更新,能够被中断,并通过自我诊断和备用计划尝试从执行错误中恢复。Manus 和压缩研究强调代理应在观察、反思和行动的循环中工作,而不是“真空”式的长期规划,从而实现更好的错误恢复和与不断变化的用户意图的持续对齐。