By Unbug 上海交通大学和清华大学合作的一篇论文《AgenticSTS: A Bounded-Memory Testbed for Long-Horizon LLM Agents》首次将长程智能体的记忆形式化为”契约”问题——每次决策从一条由类型化检索组装的全新用户消息出发，不附加任何跨决策的原始对话记录，使提示词在任意长度的运行中保持有界。核心突破在于：传统方法将过去观察、工具调用和反思逐条追加到提示词中，导致上下文变成一团混乱的混合物；而本文的方案保证提示词大小恒定，且任何单一记忆层都可以独立消融。
长程智能体的记忆契约困境
长程LLM智能体需要执行数百次甚至数千次决策——从策略游戏到代码开发，从科学研究到客户服务。随着运行长度增加，记忆管理成为核心瓶颈：原始追加策略使提示词线性增长，最终超出上下文窗口；而简单的截断又会丢失关键历史信息。
更深层的问题是可解释性丧失。当提示词包含数百条历史消息时，任何单个决策的效果都难以隔离——你无法判断某个决策是基于正确的推理路径，还是仅仅因为恰好看到了某条历史信息。在需要审计合规的场景中（如金融交易、医疗诊断），这种不可解释性是致命缺陷。
有界契约的设计与验证
本文提出有界契约（bounded contract）替代方案：每次决策都从一条全新的用户消息出发，该消息由类型化检索组装而成，不包含任何跨决策的原始对话记录。提示词大小在任意长度的运行中保持恒定，且每个记忆层可以独立消融以评估其贡献。
实验基于Slay the Spire 2卡牌游戏，需要数百次战术和战略决策。公开基准中五种前沿LLM在最低难度下零胜率（人类为16%）。在有界契约框架下，no-store基线胜率30%，添加技能层后提升至60%——方向性效果明确。
可复现测试平台与开放数据
本文发布了完整的可复现测试平台：298条轨迹（带条件标签）、冻结的记忆/技能快照、提示词记录和消融分析脚本，为后续研究提供标准化评估环境。
与已发布文章的差异化
本文聚焦长程智能体的有界记忆架构设计，这是一个全新的研究维度。与#91身份不变性巩固（关注密码学认证视角下的知识积累）不同，本文解决的是”如何在有限提示词预算下管理跨数百步决策的记忆”这一工程挑战；与#87 Agentic RAG（动态检索策略优化）不同，本文强调类型化检索替代原始追加，保证提示词恒定大小而非仅提升检索质量。
随着AI Agent在复杂任务中的自主运行时长不断增加，有界记忆契约设计将成为关键基础设施——智能体需要在保持可解释性的同时处理任意长度的决策序列，这正是本文框架的核心价值所在。
