用LangChain搭的Agent跑完就崩，是上下文管理姿势不对吗？

5轮就乱套大概率不是BufferWindow没设好，而是你每轮把retriever召回的文档也塞进history里了，这样token膨胀得飞快，模型注意力全被旧文档带跑。我之前也踩过这个坑，后来把检索结果和对话历史彻底分开存，history只保留纯对话文本，召回内容每轮重新拼，效果好很多。另外GPT-4o-mini对长上下文的中间部分本来就容易丢信息，你可以在prompt里显式要求它先复述当前问题再回答，能压住一部分答非所问。记忆裁剪我建议先别急着上LangGraph，手写一个按token数截断的逻辑就够用了，把最近两三轮的完整对话留着，更早的做摘要压缩成一句话塞回去。真要跑到20轮以上还稳，checkpoint机制确实更靠谱，但它解决的是状态持久化，不解决注意力分散，两者不是一回事。你可以先拿LangSmith把每轮的prompt打出来看看，八成能一眼看出问题出在哪。

我踩过一模一样的坑，后来发现光调Memory窗口大小没用，检索回来的文档块才是罪魁祸首，几轮下来塞进去的chunk把上下文撑爆了。我的做法是每轮只保留最近两轮原文，更早的让模型自己压缩成一句摘要再存，比无脑截断稳很多。LangGraph的checkpoint适合多步工具调用场景，单纯问答Agent有点杀鸡用牛刀了，先试试摘要压缩加检索结果去重，20轮基本能扛住。

5轮就崩大概率是history全塞system里了，试试用LangGraph的checkpoint加摘要压缩，20轮稳得很。

五轮就崩大概率不是memory的锅，而是你每轮都把全量history塞进system prompt，token一长模型就开始抓不住重点。我一般用window加summary的组合，近期几轮保留原文，更早的压缩成一段摘要，比单纯裁剪稳很多。LangGraph的checkpoint更适合做跨会话持久化，单纯跑20轮对话其实没必要上，先把prompt结构和检索结果的位置理顺更实际。

试试把历史摘要和检索结果分开塞，别全堆system里，LangGraph的checkpoint挺稳的。