长任务重注入:跑到第 50 步,把「铁律」再念一遍
本条目是「Context Engineering」的第 9 部分,对应学习清单条目 3.2.5。
前置依赖:摘要压缩、Recency Effect
为以下铺垫:Context Rot、诊断与修复
核心观点
长任务重注入(Mid-task Re-injection):在长任务执行过程中,隔若干步把关键约束重新注入到上下文末尾——防止它一路滚到「中间」被遗忘。
就像长跑中途补给站:出发前说了「别抄近道」,跑 40 公里时你早忘了,得有人在补给站举牌再提醒一次。Agent 跑长循环也是,开头定的 hard gate 跑到第 50 步早就滚进「注意力洼地」了,不重念就会悄悄违反。
定义 / 原理 / 实践 / 示例 / 优劣势
定义与原理
长任务重注入 = 在长程 Agent 循环里,周期性地把「关键约束 / 当前目标 / 安全红线」重新贴到上下文末尾。原理复用 Recency Effect(末尾权重高)+ 对抗 Lost in the Middle(中间易失)——本质是把 首末重注入 做成「滚动版」。
触发逻辑
graph LR S["开始任务<br/>注入关键约束"] --> L["执行步骤..."] L --> C{"到重注入节点?<br/>每 N 步 / 关键里程碑"} C -->|是| R["末尾重注入 hard gate"] R --> L C -->|否| L
工程实践
-
重注入内容:关键约束(必须遵循)、当前目标(怎样算完成)、安全规则(不能做什么)。
-
重注入时机:每隔 N 步,或在关键里程碑(切子任务、调用危险工具前)注入。
优劣势
-
✅ 显著缓解长会话遗忘/漂移;实现简单,几行钩子即可。
-
❌ 注入太频繁会重新污染上下文;要和「临界点」配合,别无脑每步都念(见 找到临界点)。
核心要点
| 概念 | 一句话 |
|---|---|
| 长任务重注入 | 长循环里周期性把关键约束贴回末尾 |
| 原理 | Recency + 对抗 Lost in the Middle |
| 注入啥 | 关键约束 / 目标 / 安全红线 |
| 时机 | 每 N 步 或 关键里程碑 |
最新研究与企业数据
-
长程 Agent 需求(一手):Anthropic(2025-09)指出 Agent 在 loop(循环)里不断产生新数据,必须「周期性地精炼」上下文;长会话靠 compaction 续命(来源:Anthropic Effective Context Engineering)。
-
官方杠杆(一手):Anthropic Cookbook 把 compaction / tool-result clearing / memory 列为长程 Agent 的三大上下文管理杠杆,并强调「在硬限制到达前就该干预」(来源:Anthropic Cookbook)。
-
具体「每隔几步」经验值:属实现细节,按任务复杂度自定,无统一一手结论。
学习资源
-
必读:Anthropic《Effective context engineering for AI agents》(2025-09)
-
官方:Anthropic Cookbook《memory, compaction, and tool clearing》
-
进阶:找到临界点 · compact 总结 · 重注入格式设计
速记卡(面试闪卡)
Q1:一句话讲清「长任务重注入:跑到第 50 步,把「铁律」再念一遍」到底是什么?
A:长任务重注入是在长 Agent 循环里隔若干步把关键约束重新贴到上下文末尾,对抗 Lost in the Middle,防开头定的 hard gate 跑到中途被遗忘。
Q2:核心观点(类比) —— 怎么理解?
A:像长跑中途补给站:出发前说”别抄近道”,跑 40 公里早忘了,得有人举牌再提醒一次。Agent 跑长循环,开头定的 hard gate 到第 50 步早已滚进注意力洼地,不重念就悄悄违反。本质是首末重注入的”滚动版”。
Q3:定义 / 原理 / 实践 —— 怎么理解?
A:原理复用 Recency Effect(末尾权重高)+ 对抗 Lost in the Middle(中间易失)。实践:重注入内容是关键约束(必须遵循)、当前目标(怎样算完成)、安全红线(不能做);时机是每 N 步或关键里程碑(切子任务、调危险工具前);还要和 compact 配合——压缩后约束丢了立刻补。
Q4:优劣势与临界点 —— 怎么理解?
A:✅显著缓解长会话遗忘/漂移,实现简单几行钩子。❌注入太频繁反而重新污染上下文,要配合”临界点”——别无脑每步都念。具体”每隔几步”按任务复杂度自定,无统一值,找到临界点再注入最省。
Q5:最新研究与企业数据 —— 怎么理解?
A:一手:Anthropic 2025-09 指出 Agent 在 loop 里不断产生新数据,必须”周期性精炼”上下文,长会话靠 compaction 续命。Anthropic Cookbook 把 compaction / tool-result clearing / memory 列为长程 Agent 三大上下文杠杆,强调”硬限制到达前就该干预”。
Q6:核心速记主线有哪些?
-
核心:长循环周期性把关键约束贴回末尾
-
原理:Recency Effect + 对抗 Lost in the Middle
-
注入啥:关键约束 / 目标 / 安全红线
-
时机:每 N 步或关键里程碑,配 compact
-
研究:Anthropic 周期性精炼 + 三大杠杆
口诀
A:长跑补给站,中途再提醒;
关键约束贴末尾,Recency 抗丢失;
频繁反污要临界点,配 compact 补一刀;
Anthropic 周期炼,三大杠杆限前调。
相关链接
-
系列清单:Agent 方法论与产品思维学习路线图
-
关联理论:四层嵌套关系
下一篇:污染征兆识别——实战技术讲完,下篇进入诊断与修复:怎么看出上下文已经「脏了」。
参考来源(一手链接 · 可溯源深挖)
-
Anthropic (2025-09)《Effective context engineering for AI agents》:anthropic.com/engineering/effective-context-engineering-for-ai-agents
-
Anthropic Cookbook《Context engineering: memory, compaction, and tool clearing》:platform.claude.com/cookbook/tool-use-context-engineering-context-engineering-tools