Context Management

概述

Context Management（上下文管理）是 Agent 系统中决定哪些历史保留、哪些删除、错误格式如何处理、哪些 observation 更值得进入 prompt 的机制。它本质上是 agent 的"工作记忆管理"。

关键内容

核心问题

LM 不是外部记忆无限的系统。每条历史都占用上下文预算，而且错误、冗余、过时信息会污染后续决策。

论文发现

在 SWE-bench Lite 的消融实验中： - Last 5 observations 的效果优于 Full history - 去掉 demonstration 后也会略有下降

核心洞察

"不是历史越多越好，而是最近、相关、结构化的历史更好。这和人类工作记忆很像：解决当前 bug，最有用的是最近几步的操作与反馈，而不是完整人生回放。"

与 Context Engineering 的关系

Context Management 是 Context-Engineering 在 Agent 层面的具体实现： - 决定了哪些历史要保留、哪些要删 - 错误格式怎么处理 - 哪些 observation 更值得进入 prompt

这与 Context Engineering 中的"分层记忆（hot/warm/cold）"和"按需检索"理念一致。

设计原则

原则	说明
最近优先	最近几步的操作与反馈最有用
相关性过滤	只保留与当前任务相关的信息
结构化存储	以结构化形式而非原始文本存储历史
错误隔离	错误信息需要标记，避免污染后续决策

来源

• raw/ChatGPT-Chat/ChatGPT-SWE-agent 论文核心观点/03-SWE-agent 论文的所有核心概念 展开详细分析 一个一个.md — SWE-agent 核心概念分析

相关

• Context-Engineering — implements（上下文管理是上下文工程的具体实现）
• ACI 设计原则 — uses（遵循简洁反馈原则）
• 上下文窗口 — related_to（受上下文窗口容量约束）