上下文续上了，任务为什么还是断了？

我在使用 Claude Code 和 Codex 时有个习惯：上下文窗口用到一半左右，就主动做一次压缩。这倒不是因为上下文真的装不下了，而是使用时间一长，我总感觉模型对早期信息的把握开始变得不那么可靠。一个模型声称支持很长的上下文，并不意味着其中每一部分信息都能在后续推理中被同等有效地利用。窗口有多大，和模型真正能稳定用好多少上下文，可能是两件不同的事。

我最初把这种压缩类比成人的睡眠：人工作了一整天需要休息，把白天杂乱的信息整理、压缩，只留下更重要的部分，然后再开始新的一天。这个类比可能不太严格，人的工作记忆远没有十几个小时那么长，睡眠也不只是一次简单的上下文压缩，但它指出了一个直观的道理：一个想要持续工作的系统，不能只是无限积累历史，还需要不断把已经发生的过程转化成更精简、更有用的状态。

从这个角度看，Agent 的自动压缩其实一直在做一件事：给下一个自己写交接文档。压缩之前的 Agent 经历了完整的讨论、尝试和修改；压缩之后的 Agent 并没有重新阅读所有历史，只拿到一份总结就继续工作了。只要这份总结保留了目标、进度和关键决策，任务似乎就可以一直延续下去。

但我后来遇到的一次经历，让我意识到事情没有这么简单。

一次没有报错的任务中断

我用过一个叫 Maestri 的软件，它可以让多个终端里的 Agent 相互通信。在某次开发任务中，我让 Claude Code 负责具体执行，让 Codex 负责规划、验收和提交，并在任务开始前分别向两个 Agent 交代了协作方式：Claude Code 完成一个阶段的工作后，通过 Maestri 通知 Codex；Codex 验收代码并提交，再向 Claude Code 派发下一阶段的任务。

最初，这套协作方式运转得没有问题。但 Claude Code 在执行过程中经历了几轮自动压缩，等它完成当前阶段的修改后，它没有再通知 Codex，而是停在了那里。Codex 不知道工作已经完成，自然也没有开始验收和提交，更不会派发下一阶段的任务。

表面上看，这中间没有任何一个环节“出错”：代码没有报错，Agent 没有崩溃，Maestri 的通信功能也没有失效，Claude Code 甚至还记得自己正在做什么，并且完成了相应的修改。但整个任务还是中断了。最后我不得不手动通知 Codex，让它接续验收和提交，重新和 Claude Code 强调协作关系，这个任务才重新运转起来。

上下文连续，不等于任务连续

回头看这次经历，Claude Code 忘记的并不是任务本身，而是任务之间的关系。“需要修改什么代码”是当前阶段反复被引用的高频信息，压缩时自然容易被保留下来；而“完成后要通知 Codex 验收”在整个执行阶段几乎不会被用到。它只是任务开始时的一项约定，要等到工作完成的那一刻才会重新变得重要。于是经过多轮压缩，这项约定就逐渐从上下文中消失了。压缩机制天然偏向保留“正在被使用的信息”，而恰恰对“将来才会生效的信息”缺乏感知。

这让我意识到，自动压缩虽然可以让对话继续，却不一定能让任务继续。它可能很好地保留了“过去发生了什么”和“现在正在做什么”，却丢掉了“未来还有什么必须发生”。而长程任务恰恰充满了后一类信息：完成修改后要通知另一个 Agent，验收通过后才能提交代码，某个条件满足后才能进入下一阶段，等待用户确认之后才能继续执行。这些事情还没有发生，所以很难成为工作摘要里的重点；但它们又恰恰决定了任务能否从一个阶段进入下一个阶段。

换句话说，Agent 记住了自己做过什么，却忘了自己还答应做什么。

想起了之前还有一个很有意思的例子：在 CLAUDE.md 中约束一个对用户的称呼，如果某轮任务后 Claude 不再以这个称呼和你对话时，说明已经开始有关键信息在执行中被丢失了，得开个新会话了。

长期记忆和长程任务记忆

如今许多 Agent 已经开始拥有某种形式的记忆：它们可以记录用户的偏好、习惯、项目规则和长期事实，让下一次对话不必从头认识用户。但这类记忆解决的是“下一次见面时，Agent 是否还认识你”；而一次长程任务需要的记忆并不相同，它要回答的是：任务为什么开始，目前进行到了哪里，哪些事情已经完成，哪些承诺仍未兑现，以及下一阶段应该由谁继续。前者更接近一位长期助理的记忆，后者则关乎一个任务能否跨越多次压缩、多轮会话甚至多个 Agent，仍然保持同一个方向。

因此，长上下文、长期记忆和长程任务的连续性，或许是三个不同的问题：更长的上下文解决的是能不能放进更多历史，长期记忆解决的是能不能跨越不同任务保留稳定的信息，而长程任务的连续性关心的是，一件尚未完成的事情，能否在时间中持续保持它的目标、关系和未兑现的承诺。

记得过去，也要记得未来

我们通常把记忆理解为对过去的保存，但对 Agent 来说，真正影响长程任务的，可能不只是它能回忆多少历史，还包括它能否记住那些尚未发生、却必须在未来发生的事情（认知科学里把这种“记住将来要做什么”的能力称为前瞻记忆）。一个 Agent 可以拥有很长的上下文，可以在压缩后准确复述已完成的工作，也可以记住用户长期以来的偏好，但只要它在某次压缩后忘记了任务完成时该做什么，整个流程仍然可能悄无声息地停下来。

它不像一次明显的失败：没有错误提示，没有异常退出，也没有人明确宣布任务无法继续。每一个局部步骤看起来都没有问题，只是再也没有下一个步骤发生。

也许未来成熟的 Agent，不仅要能在上下文压缩后继续回答，还要能让一个任务穿过多次压缩、会话切换和 Agent 交接，仍然保持完整的意图。这会通过什么方式实现，现在还很难说。可能来自更可靠的压缩，可能来自新的记忆方案，也可能来自某种设计的更加优秀的 Harness、Agent 架构等。但从使用者的角度，我们真正期待的结果或许很简单：

上下文可以被压缩，过去的细节可以被遗忘，但一件尚未完成的事情，不应该因此失去它的下一步。