多Agent上下文传递：面试官必问的有损压缩问题

多Agent系统正成为大模型应用的热点，但很多开发者在面试中栽在上下文传递问题上。B站UP主彭宇的系统课程中，专门拆解了这道高频硬题：多Agent之间如何传递上下文？这篇文章将带你理解背后的工程逻辑。

为什么多Agent上下文传递是核心难题

在多Agent系统中，每个Agent都有自己的上下文窗口，当任务需要在多个Agent之间流转时，上下文如何传递就成了关键。彭宇指出，很多人第一反应是把完整历史一股脑塞给下一个Agent，但这恰恰是问题的开始。

加州伯克利分析过1600多条真实执行轨迹，发现接近四成的失败并非单个Agent能力不足，而是Agent之间信息没对齐——交接时信息丢失，或者各方抱着互相矛盾的假设继续执行。这个数据说明，单个Agent好不好造是次要问题，上下文怎么在它们之间流动才是主问题。

上下文窗口（Context Window） 是大模型单次推理能处理的最大 token 数量，包括输入 prompt 与已生成内容。它决定了 Agent 一次能“看到”多少信息，也直接约束了多 Agent 交接时能传递的信息量上限。不同模型的窗口大小差异很大（从几千到上百万 token 不等），但即便窗口足够大，把完整历史塞进去也会带来成本、延迟和“中间信息丢失”（lost-in-the-middle）问题。因此，上下文窗口不是免费的仓库，而是一种需要精打细算的稀缺资源，这正是多 Agent 上下文传递必须工程化的根本原因。

四种主流传递策略：从全量到隔离

彭宇按token成本从高到低梳理了四种主流玩法，每种都有适用场景和代价。

全量传递：整段历史原样搬过去，成本高且每跳都在膨胀，但信息损失最小。适合两跳以内、对准确性要求极高的短链场景。

结构化brief：不传历史，传一个字段定义好的摘要对象。成本恒定，而且逼着发送方想清楚什么才是重要的。这是绝大多数生产系统的默认选择。

共享黑板状态：把状态放在对话外的公共空间，谁需要谁去读。代价是它成了一个被随机过程共享的全局变量——一个Agent写错，另一个当真理读，错误就被洗白了。真要使用，必须只追加、带署名、写清谁写的、基于什么、置信度多少，让它像审计日志而不是谣言墙。

消息传递加无状态子Agent：每次只给对方需要的那几个字段，多一个都不给。微软有团队在A2A协议上做过对比，最后选的就是这种——领域Agent完全无状态，协调方把压缩过的历史直接嵌进消息发过去。好处是“谁能看到什么”变成可控的治理问题。

A2A 协议（Agent-to-Agent Protocol） 是一类面向多 Agent 协作的通信规范，旨在让不同框架、不同厂商构建的 Agent 能够互相发现、协商并交换任务信息。它通常定义消息格式、能力描述（Agent Card）、任务生命周期等要素，使 Agent 之间的交接不再依赖硬编码。微软团队在 A2A 上的对比实验，本质上是在评估：在标准协议之上，选择“传递完整对话历史”还是“传递压缩后的结构化消息”对系统可靠性和成本的影响。理解 A2A 有助于把上下文传递问题从“单机内部实现”提升到“跨 Agent 互操作”的层面。

四个字原则：外置、精选、压缩、隔离

机制说完了，面试官真正想听的是背后的设计思想。彭宇提炼为四个字：外置、精选、压缩、隔离。

外置：大对象别塞进prompt，写进文件只留引用。

精选：别指望一次把资料备齐，要用的时候再去取。

压缩：边界处一定要做摘要。Anthropic的研究系统中，子Agent探索几万token，给主Agent的只有1000到2000token的浓缩结论。

隔离：每个子Agent一个干净窗口，只装自己那份活。彭宇把它比作“上下文防火墙”——脏活累活它吸收掉，只把蒸馏完的答案递回来，主窗口保持清爽。

子 Agent（Sub-agent） 是由主 Agent（或称协调方、Orchestrator）派生出来执行特定子任务的 Agent 实例。它通常拥有独立的上下文窗口，只接收与子任务相关的输入，完成后把结果返回给主 Agent。子 Agent 的价值在于把复杂任务拆解为可并行或可隔离处理的单元，同时通过“干净窗口”避免主上下文被中间过程污染。Anthropic 的多 Agent 研究系统中，子 Agent 探索数万 token 后只回传 1000-2000 token 的结论，正是子 Agent 作为“上下文防火墙”的典型用法。

摘要该写什么：七个字段清单

摘要不是随便写写，彭宇给了一份可直接使用的字段清单：任务（用发送方自己的理解重写）、已发现的约束（比如“这块代码不许动”）、已锁定的决策（带上理由）、试过但失败的路径、结论（每条带来源标签：工具实测、模型推断还是上游继承）、置信度和完成度、指向原始上下文的指针。

其中“试过但失败的路径”性价比特别高——没有它，下游一定会把死路再走一遍。而“指向原始上下文的指针”提醒我们：摘要是缓存不是替代品，不够用随时能回溯。

写摘要时有一个容易踩的坑：视角应该是“下一个Agent需要什么”，而不是“我刚才做了什么”。这两个视角写出来的东西完全不同。

三个反模式与一句话总结

彭宇还总结了面试中说出就能加分的三个反模式：无脑转发完整历史还美其名曰“信息不丢”；拿一段散文当交接没有schema，重要的东西悄悄消失；把线性流程硬拆成多Agent——那不叫多Agent，那叫函数调用。

如果只能记一句话：多Agent的难点从来不是把单个Agent造出来，而是设计上下文怎么在它们之间流动。每一次交接都是一次有损压缩，你把它当成一等公民去工程化边界，这就是系统本身。

对于正在准备大模型岗位面试的开发者，这道题值得反复咀嚼。它考察的不是背诵概念，而是对系统边界和工程权衡的真实理解。