LangChain分享Harness工程与上下文管理提升Deep Agents性能
先了解这件事
LangChain 团队通过优化智能体框架（Harness Engineering），在保持底层模型 gpt-5.2-codex 不变的情况下，使 deepagents-cli 在 Terminal Bench 2.0 上的得分从 52.8% 提升至 66.5%，排名进入前五。该团队指出，自我验证和追踪机制对提升编码表现帮助显著。 此外，LangChain 官方博客介绍了 Deep Agents SDK 的上下文管理最佳实践，以解决长任务中的上下文溢出问题。该工具在检测到大型工具响应超过 20,000 tokens 或会话上下文达到模型窗口 85% 时，会自动将旧数据卸载至文件系统并生成结构化摘要。文章还分享了通过降低触发阈值增强信号进行基准测试的方法，以及验证信息可恢复性和防止目标漂移的定向评估策略。
AI 根据报道生成 · 4 天前更新
事件进展
2 个进展
- 10月14日 00:04 · 1 篇报道分享通过Harness工程提升Deep Agents性能的方法LangChain Blog：LangChain 详解如何通过 Harness Engineering 提升 Deep Agents 编码表现
- 10月14日 00:04 · 2 篇报道LangChain介绍Deep Agents上下文管理技术LangChain Blog：LangChain 发布 Deep Agents 上下文工程指南：通过中间件优化记忆管理
报道时间线
沿着报道，了解事件的不同侧面。
- LangChain Blog精选LangChain 发布 Deep Agents 上下文工程指南：通过中间件优化记忆管理
LangChain 官方博客介绍了 Deep Agents 框架如何利用中间件技术解决 Agent 的“上下文腐烂”问题，确保模型在长任务中仅保留必要信息。
- LangChain Blog精选LangChain 发布 Deep Agents SDK 上下文管理最佳实践
LangChain 官方博客介绍 Deep Agents SDK 如何通过文件系统抽象和三种压缩技术解决长任务中的上下文溢出问题。该工具在检测到大型工具响应超过 20,000 tokens 或会话上下文达到模型窗口 85% 时，自动将旧数据卸载至文件系统并生成结构化摘要。文章还分享了通过降低触发阈值以增强信号进行基准测试的方法，以及验证信息可恢复性和防止目标漂移的定向评估策略。
- LangChain Blog精选LangChain 详解如何通过 Harness Engineering 提升 Deep Agents 编码表现
LangChain 团队通过优化智能体框架（Harness），使 deepagents-cli 在 Terminal Bench 2.0 上的得分从 52.8% 提升至 66.5%，排名进入前五，且全程保持底层模型 gpt-5.2-codex 不变。
本事件热度走势
- 可比范围当前
- 3
- 可比范围峰值
- 1010月15日 02:00
- 近 24 小时变化
- -51%
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。