IBM去年测过一个材料科学工作流：工具输出200万条数据，传统方法烧了2082万token直接崩掉。同一套流程换成内存指针，只用了1234token。这不是优化，是16000倍的差距。
AI代理的上下文窗口溢出，正在以静默的方式杀死你的任务。代理不会报错，它只是悄悄截断数据、丢失上下文、给你一份残缺的答案。等你发现时，token已经烧完了，时间也浪费了。
问题：大工具输出正在撑爆LLM的"短期记忆"
想象你让代理分析一份200KB的服务器日志。工具返回完整数据，塞进对话历史，LLM的上下文窗口瞬间填满。更麻烦的是，为了塞进这些数据，代理必须把更早的上下文——包括你最初的问题——挤出去。
结果就是：LLM手里拿着日志，却忘了你要它找什么。或者它根本没拿到完整日志，只看到被截断的片段。IBM的研究人员把这叫"静默降级"：代理看起来在跑，产出却是错的。
社区里有个说法很扎心：团队都是"以艰难的方式"发现这个限制的。Airbyte今年的观察报告指出，这种错误不会抛异常，只会让你拿到不完整或错误的结果，排查起来像大海捞针。
解法一：单代理的ToolContext，把数据存在"抽屉"里
Strands Agents提供了一个原生方案：agent.state。这是一个键值存储，每个代理实例独享。工具把大数据写进去，返回的只是一个轻量指针。
具体怎么跑？代理调用日志分析工具，工具把200KB日志塞进state，返回"日志已存储，ID: log_001"。LLM看到的只有这一行，上下文窗口压力骤减。需要具体分析时，另一个工具再凭ID去state里取对应片段。
这相当于给LLM配了一个外部抽屉。它不用把所有文件摊在桌面上，只需要知道"第3个抽屉里有我要的东西"。
但单代理有个天花板：复杂任务需要多个角色协作，一个代理的state成了孤岛。
解法二：多代理的Swarm模式，指针在代理间流通
Amazon 2024年的研究验证了更激进的思路。他们在多代理协作中引入"payload referencing"——代理之间不传原始数据，只传指针。代码密集型任务性能提升23%，企业基准测试里端到端目标成功率冲到90%。
Strands的Swarm模式把这个落地了。多个代理共享一个分布式状态层，每个代理都能读写。数据分析师代理把清洗后的数据集写进去，返回指针；可视化代理拿这个指针直接画图，全程不碰原始数据。
IBM那个16000倍的案例，核心就在这里：145KB的数据从未进入任何LLM的上下文窗口。代理们只是在传递一个地址，像快递柜的取件码。
为什么现在才流行？指针模式有个隐性成本
这个模式不是新发明，但以前用的人少。原因很简单：它增加了系统复杂度。你需要状态管理层、指针生命周期管理、代理间的协调协议。小团队宁愿烧token，也不愿维护这套基础设施。
现在的变化是，agent框架开始原生支持。Strands的state和Swarm、LangGraph的持久化层、AutoGen的上下文管理——这些把"造轮子"的成本打下来了。框架帮你处理了指针失效、并发写入、状态隔离这些脏活。
另一个推手是token经济学的残酷。Claude 3.5 Sonnet的200K上下文窗口听起来很大，但真塞200KB原始日志进去，推理成本和时间都扛不住。指针模式把"能处理"变成"能高效处理"，差距就在账单上。
代码已经开源在AWS Samples仓库。演示用的是Strands，但模式本身框架无关。LangGraph的checkpoint、AutoGen的GroupChat都能复现这个思路。
IBM研究人员在论文里埋了一个细节：他们用指针模式跑通的那个材料科学工作流，之前用传统方法连完整跑完都做不到。不是慢，是根本不可能。这个边界案例暴露了上下文窗口溢出的真实代价——它不只是贵，它让某些任务彻底无解。
热门跟贴