据 MarkTechPost 9月13日报道，AWS Samples 面向自主云编码代理的设计指南指出，长时间运行的代理会因上下文溢出、目标丢失和无法长期维持状态而失效，解决关键不在模型，而在管理模型之外一切的 harness。该报道称，压缩、记忆策略、上下文预算和待办状态是把浅层工具调用循环变成深度代理的机制，并考察了 LangChain Deep Agents、Claude Code、Manus、OpenAI Codex 和 Amazon Bedrock AgentCore 的实现与阈值。
报道称，扩大上下文窗口并未按预期解决问题。Chroma 的 Context Rot 报告评估了包括 GPT-4.1、Claude 4、Gemini 2.5 和 Qwen3 在内的 18 个 LLM，发现输入长度增长后，即使简单检索任务的表现也越来越不可靠。Anthropic 的上下文工程指南解释，注意力会为 n 个 token 创建 n² 个成对关系，每个新增 token 都消耗有限注意力预算，上下文因此是收益递减的资源。Manus 报告称，一个典型任务约需 50 次工具调用，输入与输出 token 比例接近 100:1；原始指令会漂移到窗口中部，而那里正是召回退化的位置。该报道据此认为，目标丢失不只是模型缺陷，也是未管理上下文在足够长任务上的预期结果。
在上下文预算与卸载方面，Deep Agents 给出两条阈值规则：工具响应超过 20000 token 时写入文件系统，并替换为文件路径和前 10 行预览；会话上下文超过模型窗口 85% 时，较早的写入和编辑工具调用因完整文件内容已在磁盘上，被截断为指针。只有卸载无空间后，harness 才回退到摘要。Claude Code 的自动记忆上限为前 200 行或 25KB；MCP 工具 schema 默认延迟加载，只列出工具名，完整 schema 按需通过工具搜索加载；压缩后重新读取超过 5000 token 的文件会返回路径引用。Claude Code 文档的模拟显示，一个研究子代理读取 6100 token 文件，向父代理返回 420 token 结果。Anthropic 指南称，每个子代理可能消耗数万 token 探索，但返回常为 1000 至 2000 token 的摘要。AWS AgentCore 让协调器并行生成 3 个浏览器子代理，每个在独立 MicroVM 中运行，分析子代理只接收结构化发现；AWS 称预期运行 4 至 6 分钟，顺序处理最多慢 3 倍。
当卸载不足以腾出空间时，harness 转向压缩。该报道称，压缩是把接近窗口限制的对话总结后，用摘要重新开启新上下文，这也是目标丢失最常发生之处，因为有损摘要可能丢掉关键约束。Claude Code 的压缩提示保留架构决策、未解决 bug 和实现细节，丢弃冗余工具输出；压缩后重新读取最多 5 个最近修改文件，重载匹配规则，并重新注入技能正文，每个技能上限 5000 token，总上限 25000 token。其文档明确早期详细指令可能丢失，因此持久规则应放在项目根目录的 CLAUDE.md，从磁盘重新注入。用户可用 /compact focus on the auth bug fix 引导，或用 /autocompact 移动触发点。Deep Agents 把目标保留做成结构化摘要，设有 session intent、artifacts created 和 next steps 字段；LangChain 团队在强制摘要实验显示改进后加入这些字段。完整原始记录写入文件系统，被摘要掉的事实之后可用 read_file 恢复。该报道还提到，压缩已进入 API 层。