AI智能体的上下文管理：用“外化-识别-再水合”检测并恢复丢失记忆

Andrew Stellman（O’Reilly Radar）讲解了：当上下文管理失效时，AI 智能体会因“丢失记忆”而出错——工作记忆会被填满，较早信息可能被静默压缩/丢弃，智能体却继续执行而不自知。 核心方案是一个错误恢复流程：externalize-recognize-rehydrate（ERR）。“外化”阶段：把智能体状态频繁写入文件，并采用两层结构——执行连续性（多步骤任务进行到哪一步、已完成什么）与任务连续性（整体目标、成功标准与结构性约束）。“识别”阶段：通过对磁盘文件做确定性校验来发现偏差，例如检查 progress 光标与 JSONL 输出文件最后一条记录是否匹配；一旦文件不一致，就回滚并以磁盘为准重建，而不是依赖对话历史。“再水合”阶段：开启新会话读取保存的工件，从而恢复连续性。 文中用两个实际案例说明：第一是 Copilot 在会话中发生明显“上下文全消失”，通过把聊天历史复制到文件并重新加载即可恢复；第二是更隐蔽的压缩导致输出质量悄然下降，只有引入基于文件的对账校验后才稳定。 文章强调实用、工具无关的做法：让多轮编码/审查类智能体即使在上下文溢出与静默压缩下也能自动恢复。关键词聚焦：上下文管理（context management）与智能体恢复（agent recovery）。