上下文越堆越乱？让智能体自己导航自己的搜索树
上下文越堆越乱？让智能体自己导航自己的搜索树
一句话版本：ReAct 式智能体的上下文会越滚越乱——过时的、走岔的旧信息挤占容量、淹没关键证据；把中间状态存成搜索树节点、让模型自己决定「回到哪个节点继续」，同样的模型在深度研究基准上从 41.5% 提到 48.8%。
用过大模型智能体的人多半见过这种状态：任务跑了半小时，上下文里堆满了观察结果、中间产物和失败尝试。这些历史里，真正有用的证据和新信息混在一起，旧路径的废料也在——模型的注意力像在一间越来越乱的房间里找东西。
这是 ReAct 范式的结构性问题：所有东西都往一个线性上下文里塞。上下文越长，「过时信息」和「走岔路径」占的比重就越大，聚焦推理越难。
换个思路：把过程存成树，让模型自己导航
这篇论文的方案叫 TreeFlex，核心动作有两个：
1. 中间状态落盘成树节点。智能体每到一个有意义的中间状态，就把「当前状态+一句短摘要」存成搜索树上的一个节点。原始的冗长过程不进上下文，树由外部框架维护。
2. 同一个模型扮演两个角色。Reflection 角色通过各节点的摘要看全局，决定「回到哪个节点、带着什么指令继续」；Execution 角色由框架恢复通往该节点的路径后执行任务工具，直到保存新节点或提出解。解法最终也要 Reflection 审批——不通过就再挑一个节点回去重来。
关键转变在于：搜索的决定权在策略自己。不是框架按固定规则剪枝，而是模型看着摘要地图自己判断「刚才那条路不对，回到三步前的分叉点换条路走」。
效果：同样的模型，更准也更稳
在两个高难度基准上的对比（同等上下文限额）：
- 深度研究（BrowseComp-Plus）：TreeFlex 达到 48.8% 准确率，对比扁平 ReAct 的 41.5%、FoldAgent 的 42.8%；Pass@8 比两者高约十个百分点——多试几次的收益保留住了。
- 软件工程（SWE-bench Verified）：三个系统用同一个 9B 模型做 RL 训练，TreeFlex 同样领先。
更重要的机制收益是可回溯：深度研究里模型可以「先试几个候选答案，等新文档出现后再回到先前被否掉的那个」；修代码时可以「试几种修法，都不行就回到改前的状态重来」。线性上下文里这些都是不可能的——你只能往前滚，没法回头。
为什么这值得工程侧关注
这篇论文点出的问题，几乎所有做智能体工程的团队都会撞上：
- 上下文不是越多越好。历史越长，有效信息密度越低——「省着用」比「堆着用」更值钱。
- 失败尝试是有价值的资产，但只在「可回溯」时才有价值。线性轨迹里失败只是垃圾，树结构里失败是「这条路不通」的路标。
- 摘要+外部存储是让模型保持全局视野的实用解法——这比「给更大的上下文窗口」便宜得多，也不挑模型。
在 BuddyMe 的任务执行设计里，有同构的实践：每个任务独立工作目录+过程产物落盘，中间状态不靠上下文记忆而靠文件系统承载；断点续跑相当于「回到上一个可靠节点」。当任务长到上下文装不下时，把状态外置、按需恢复，比硬撑单条长轨迹稳得多。
论文：*TreeFlex: Agents Navigating Their Own Search Trees*（arXiv:2610.20334）。
>
BuddyMe 每日免费 4500 万 Token，任务状态落盘可回溯，长任务不断片。