InfiAgent：面向通用自主 Agent 的无限时域框架

摘要

LLM Agent 能够推理并使用工具，但在长时程任务上常常失效，原因在于上下文无界增长和误差累积。上下文压缩或检索增强提示等常见补救手段会在信息保真度与推理稳定性之间引入权衡。我们提出 InfiAgent，一个通用框架，通过将持久状态外置为以文件为中心的状态抽象，使 Agent 的推理上下文无论任务持续多久都严格有界。在每一步，Agent 从工作区状态快照加固定窗口的近期动作重建上下文。在 DeepResearch 和一项 80 篇论文的文献综述任务上的实验表明，在不做任务特定微调的情况下，配备 20B 开源模型的 InfiAgent 与更大的专有系统相当，并比以上下文为中心的基线保持显著更高的长时程覆盖率。这些结果支持将显式状态外置作为稳定长时程 Agent 的实用基础。GitHub 仓库：https://github.com/ChenglinPoly/infiAgent

InfiAgent：面向通用自主 Agent 的无限时域框架配图 — 图 1：InfiAgent 框架。InfiAgent 在以文件为中心的持久化状态之上实现分层执行栈。文件充当权威的任务记忆，而外部注意力机制在受限推理上下文之外处理大型文档。周期性的状态整合从工作区快照刷新智能体的上下文。