前言
大模型的发展，已从最初的对话聊天功能，逐渐演变为能够自主执行任务的智能体。
这类智能体的工作流程通常呈现循环结构，包括收集上下文、执行任务与结果验证。单个任务往往需要多次循环，而大模型的每次输入都包含上下文、可用工具、历史执行结果等多种信息。
随之而来的挑战是，随着信息量增加，上下文不断膨胀。然而，大模型的上下文窗口存在限制，并且在处理较长信息时，其注意力效果也会下降。
因此，智能体上下文管理的核心在于：如何在有限的上下文窗口内，传递必要且最精简的信息，以保障智能体的有效运行。良好的上下文设计，能够使智能体的执行更高效、更迅速，同时降低运行成本。
通常，智能体的上下文管理可通过以下方式实现。
卸载
对于过长的信息，不一次性塞入LLM的上下文中。
如把冗长的日志保存在文件系统中，只给LLM输入文件路径。Claude推出的Skill，一个Skill分为元数据、主要内容、参考资料、脚本等，初次只把元数据输入LLM。或者Cursor中MCP，也使用了渐进式披露，LLM只会收到一小段静态上下文（包括工具名称），在任务需要时再去查找具体工具。
值得注意的是，不论是Manus或者是Cursor，在实践中都提到把信息存在文件系统中，如日志输出、历史聊天等，后续可以直接使用简单的搜索工具获取内容。
缩减
缩减分为压缩和总结。
压缩是可逆的，如果去掉代码中的长文段，只保留结构，如模型需要可以在文件系统中找回原文。
总结是不可逆的，Cursor中就有类似的机制，在上下文即将溢出或者手动执行总结指令时，会精简总结上下文，但有可能丢失部分信息。Manus的实践中，使用“填表”的方式让模型总结（如修改了什么文件、当前进度、下一步目标等），效果好于一段散乱的总结。
隔离
隔离通过多智能体协作实现上下文隔离。
通信模式：主Agent把任务分派到子Agent执行，子Agent执行完毕后只返回结果，不会污染主Agent的上下文，但缺点是可能使用更多的token，因为子Agent可能重新收集上下文。
共享模式：子Agent共享主智能体的上下文，适用于需要了解全局背景的复杂研究任务。
检索
检索分为RAG和简单搜索。
上面提到一些长信息会记录在文件系统中，提取信息时使用grep或者glob等简单文件搜索工具获取信息，cluade code和opencode就是使用这种模式。优点是简单快速。
RAG检索需要把代码构建为向量索引，好处是可以通过语义搜索，比如Cursor打开一个工程，能通过模糊的自然语言搜索代码，但缺点是构建向量数据库需要时间，也需要额外的数据库配置已经向量化模型。
缓存
利用大模型厂商（如 Anthropic, Google）提供的“输入缓存”功能，减少重复处理相同背景的成本和延迟。如Manus分享中，每次发送的工具都是同样的，尽量保证命中缓存以减少成本。