DeepAgents SDK推出多层上下文压缩，提升长任务执行效率

背景

在可寻址任务长度持续扩展的时代，LLM 的上下文窗口成为制约代理性能的瓶颈。DeepAgents SDK 作为 LangChain 开源的全栈代理框架，旨在为开发者提供计划、子代理生成以及文件系统交互等能力，同时通过一套上下文压缩机制，防止“上下文腐化”。

核心压缩技术

1. 大工具结果离线

• 当工具调用（如读取大文件或外部 API）返回的内容超过 20,000 tokens 时，SDK 自动将完整响应写入文件系统。
• 会话中仅保留文件路径引用及前 10 行预览，后续需要时可重新读取或搜索。

2. 大工具输入离线

• 文件写入、编辑等操作会在对话历史中留下完整的文件内容。
• 当会话占用的上下文比例超过模型窗口的 85%，SDK 将旧的工具调用截断，替换为磁盘文件指针，从而显著压缩活跃上下文。

3. 摘要压缩

• 若离线已无法提供足够空间，系统启动 摘要压缩。
• 在上下文摘要：LLM 生成结构化摘要，涵盖会话意图、已生成的制品以及后续步骤，替代完整对话。
• 文件系统持久化：原始对话全文被写入文件系统，确保关键细节可通过搜索检索。

实验与评估

DeepAgents 在 terminal-bench-2 基准上进行评估，使用 Claude Sonnet 4.5 进行对比。实验显示：

• 在第 20 步触发摘要时，整体 token 使用骤降约 30%（绿色线）。
• 第 40 步大文件写入被离线后，token 使用下降约 10%（橙色线）。
• 将压缩阈值从默认 85% 调整至 25% 可产生更多压缩事件，帮助研发者快速定位不同压缩策略对性能的影响。

目标导向的评估

SDK 附带一套 针对性评估，专注验证单项压缩机制：

• 摘要保留意图：在任务中途强制触发摘要，检查代理是否仍能沿着原始目标前进。
• 信息可恢复性：在对话早期植入“针孔”信息，摘要后要求代理检索该信息，以验证文件系统搜索的有效性。

这些小型测试充当集成测试，帮助开发者在完整基准运行前快速发现压缩相关的缺陷。

实践指南

1. 基准跑通：先在真实任务上跑通，记录基线 token 使用与成功率。
2. 激进压缩：将压缩阈值调低至 10‑20%，制造更多压缩事件，以放大各特性的信号。
3. 检验恢复：加入针孔检索测试，确保关键信息在摘要后仍可通过文件系统检索到。
4. 监控目标漂移：关注摘要后代理是否出现意图偏移，如频繁询问或提前宣告任务完成。

通过上述步骤，开发者可以系统化地评估并优化自己的上下文管理策略，使长时序任务在有限的 LLM 记忆空间内保持高效运行。

全部特性均已开源，欢迎在 GitHub 上获取最新代码并提交使用反馈。