Амнезия как фича: почему LangChain заставляет агентов «забывать»
Бесконечный контекст — это ловушка. Чтобы ваши AI-агенты не сходили с ума на длинных дистанциях, им нужна принудительная «хирургическая чистка» памяти.
Вы замечали, как ваш идеально настроенный AI-агент превращается в тыкву после 20-го сообщения? Он начинает путаться, галлюцинировать или просто «зависает», упираясь в лимиты токенов. Мы привыкли думать, что решение — это модели с контекстом в миллион токенов (привет, Gemini). Но LangChain только что доказал: размер не имеет значения, если вы не умеете выбрасывать мусор.
Проблема «гниения контекста»
В новом Deep Agents SDK разработчики LangChain ввели понятие Context Rot (гниение контекста). Чем дольше работает агент, тем больше «шума» накапливается в его оперативной памяти. Результат? Модель теряет фокус.
Решение от LangChain звучит парадоксально: чтобы агент стал умнее, нужно отобрать у него память.
Три стадии «лоботомии» для AI
Deep Agents SDK внедряет жесткую дисциплину управления памятью, превращая LLM из болтливого собеседника в системного администратора:
- Сброс балласта (Offloading Results): Если инструмент (например, чтение файла) возвращает больше 20 000 токенов, SDK не скармливает это модели. Он сохраняет данные на диск, а агенту показывает только превью (первые 10 строк) и путь к файлу. Хочешь прочитать? Ищи на диске.
- Удаление улик (Offloading Inputs): Старые команды записи файлов, которые уже выполнены, просто вырезаются из истории. Зачем хранить текст файла в чате, если он уже лежит на файловой системе?
- Принудительная суммаризация: Когда контекст заполняется на 85%, система включает «аварийный режим». LLM пишет краткое резюме всего разговора (цели, прогресс, следующие шаги), а полная история стирается из активной памяти и архивируется в файл.
