LangChain founder: always-on proactive agents bring six new context problems

主动常驻智能体来了：上下文工程旧题已有套路，新难题在记忆、异步与目标

来自 LangChain 创始人 @hwchase17 的分享，他认为「LLM 循环 + 工具 + 沙箱」已基本收敛，摘要、结果外置、Skills、工具检索、子智能体、Bash 等也有了通行做法，所以有人觉得智能体工程做到头了；但真正变难的是下一步，主动、常开、奔着目标跑的智能体：推送别烦人、记什么、异步怎么接回主对话、目标别被钻空子、浏览器当主工具时上下文怎么扛。这些还没有通用解法，也正是他现在觉得好玩的地方。

# 旧题为何显得「已解决」

业界对 Claude Code、Deep Agents 一类 harness 的形态越来越像：模型在环里调工具、在沙箱里干活。为撑住上下文，大家陆续对齐了几套标准操作：线程太长就摘要；工具返回太大就落盘再给指针；用 Skills 做渐进披露；工具太多就做 tool search；用子智能体隔离子上下文；把 Bash 当成主工具而不是堆一堆窄工具。这些主要服务单次、偏编码/任务型的跑法，所以容易给人「难题做完了」的感觉。

# 新题从哪冒出来

近几个月他和智能体建设者聊得最多的，是主动、常驻、目标导向的智能体：内核仍像 coding agent，但用法变了，上下文工程要重新扛。文中对照清单（左栏勾选、右栏空框）把两边写得很清楚。

# 六道新题，各自卡在哪

1. 主动又不烦人：监听事件流或心跳唤醒，必须能推给用户才像「在帮忙」，推多了又刷屏。多少算刚刚好，仍是难校准的产品与上下文问题。

2. 记什么：记忆常是简单数据结构（文件、一段字符串）加一层「决定记什么」的智能；两端都容易翻车——什么都不记，或记得过碎。这层判断本身往往又是个小智能体，规则还没有通用答案。

3. 异步：任务和工具、子智能体都越跑越久，但主对话还要随时接用户新消息，于是更多活丢到异步工具/子智能体。新问题变成：活干完怎么通知主智能体；主智能体还在跑、已经结束、或卡在等人审批时，上下文怎么合流。文中配了一张时间线示意（用户等的同时，后台工作流如何汇入）。

4. 目标追踪：从「做完一件事」变成「奔着大目标迭代」（文中举例 Hone 一类）。要会拆步、做实验、收反馈、长期不跑偏；难在愿意试新招而不是原地重复，难在想着大目标而不是只盯小任务，难在跨很长周期仍一致。

5. 对齐（别钻目标空子）：目标很难写到智能体钻不了空子；一味优化指标会走到预想不到的捷径，经典梗是「消灭代码库里所有 bug」→ 删光源码（没有代码就没有 bug）。需要 harness 既盯着目标，又不让目标被过度优化。文中配了删 src/ 后宣称「0 bugs，目标完成」的梗图。

6. 浏览器当主工具：编码智能体靠 Bash；更通用的主动智能体越来越靠浏览器。浏览器比终端难开：看图还是看 DOM、两者都很大、上下文怎么管，都还在摸。

结尾 几个月前他或许会同意「上下文工程开放问题不多了」；常驻主动智能体一出现，记忆、异步、目标、主动性又成批冒出来。语气是兴奋多于焦虑：对做上下文的人来说，好玩的新题又回来了。