标题An Architecture for Long-Horizon Agents: Levels, Ticks and Cascaded Intelligence来源arXiv, 2609.19519v1️文章简介研究问题如何让大模型智能体在长达数天甚至数周的任务中跨越上下文窗口限制、进程重启和人类注意力间隔保持连续运行且不丢失关键状态主要贡献论文提出了一种包含时间层级、时钟滴答和级联智能的三层架构使智能体能在无需更新模型权重的情况下通过外部记录实现“无遗忘”运行和知识积累。重点思路识别七大瓶颈作者指出长周期高自主性任务面临上下文窗口、进程寿命、人类关注间隔、组件故障、任务委托、正确性验证和成本控制这七个资源耗尽的临界点。构建时间层级体系设计七层时间尺度从秒级的工具调用到周级的目标设定。每一层只保留下一层的有界摘要文件上层向下发指令下层向上汇报压缩后的状态确保信息不溢出。引入时钟滴答机制以“Tick”为自主行动的基本单位。系统按固定节奏唤醒读取状态、执行规则、做出决策并写回检查点即使进程重启也能从文件中恢复实现断点续传。实施级联智能策略采用“审查与升级”机制。任务默认由低成本模型处理若失败则反馈重试再次失败才升级至更强模型或人类。只有最关键的决策才使用昂贵资源平衡成本与效果。建立持久化协议所有状态必须存储在文件中而非内存里。通过预注册的验证规则和对抗性审查员确保在上下文压缩时不会丢失安全约束和实验证据实现操作知识的积累。分析总结成功复现复杂结果在为期十天的实验中该架构支持的智能体独立复现了一项强化学习研究成果期间经历了多次上下文重置和会话边界但始终保持任务线程不中断。实现无遗忘运行实验证明早期写入的操作知识能改变后续行为且无需修改模型权重。智能体在每次重启后都能准确恢复状态证明了基于文件的记忆机制优于依赖上下文窗口。有效降低成本通过级联智能大部分常规工作由低级模型完成仅少数关键步骤升级至高级模型显著降低了长周期任务的算力成本同时保证了最终结果的正确性。个人观点论将智能体的“智力”从模型内部剥离出来转移到外部的“ harness ”控制框架中给AI配了一个永不疲倦的秘书和严格的审计流程。
