在人工智能快速发展的今天，如何让AI代理持续高效地处理复杂任务成为开发者面临的核心挑战。2025年9月29日，Anthropic公司宣布在Claude开发者平台上推出两项突破性功能：上下文编辑和记忆工具，与最新的Claude Sonnet 4.5模型协同工作，为解决AI代理的上下文限制问题提供了全新方案。
上下文限制与实际需求之间的矛盾
随着生产环境中的AI代理处理越来越复杂的任务并生成更多工具结果，它们常常会耗尽有效的上下文窗口，迫使开发者在截断代理记录或降低性能之间做出艰难选择。上下文管理通过两种方式解决了这一难题，帮助开发者确保只有相关数据保持在上下文中，并在会话之间保留有价值的信息。
上下文编辑：智能清理与性能优化
上下文编辑功能在接近令牌限制时自动从上下文窗口中清除过时的工具调用和结果。当代理执行任务并积累工具结果时，上下文编辑会移除过时内容，同时保持对话流畅，有效延长了代理无需手动干预的运行时间。这也提高了模型的实际性能，因为Claude可以专注于相关上下文。
如图所示，上下文编辑功能显著优化了可用的上下文空间，使代理能够处理更复杂的任务。
记忆工具：突破上下文限制的知识存储
记忆工具通过基于文件的系统，使Claude能够在上下文窗口外存储和检索信息。Claude可以在存储在您基础设施中的专用内存目录中创建、读取、更新和删除文件，这些文件在会话之间保持持久性。这允许代理随时间构建知识库，维护跨会话的项目状态，并在无需将所有内容保存在上下文中的情况下参考先前学习的内容。
记忆工具完全通过工具调用在客户端运行。开发者可以管理存储后端，从而完全控制数据存储位置和持久化方式。
Claude Sonnet 4.5的增强能力
Claude Sonnet 4.5通过内置的上下文感知能力增强了这两项功能，在整个对话过程中跟踪可用令牌，以更有效地管理上下文。这种上下文感知能力使代理能够智能地分配和重用有限的上下文空间，确保关键信息始终保留在可访问范围内。
构建长期运行的AI代理
Claude Sonnet 4.5是全球构建AI代理的最佳模型。这些新功能解锁了长期运行AI代理的新可能性，包括处理整个代码库、分析数百个文档或维护广泛的工具交互历史。上下文管理建立在这一基础上，确保代理能够有效利用这种扩展容量，同时仍然处理超出任何固定限制的工作流程。
实际应用场景
编程开发：上下文编辑清除旧的文件读取和测试结果，而记忆则保留调试见解和架构决策，使代理能够在不丢失进度的情况下处理大型代码库。
研究分析：记忆存储关键发现，而上下文编辑移除旧的搜索结果，构建随时间提高性能的知识库。
数据处理：代理将中间结果存储在记忆中，同时上下文编辑清除原始数据，处理原本会超过令牌限制的工作流程。
性能提升与实际效益
在代理搜索的内部评估集中，我们测试了上下文管理如何提高代理在复杂多步骤任务中的性能。结果显示了显著提升：结合使用记忆工具和上下文编辑比基线性能提高了39%，仅使用上下文编辑则实现了29%的改进。
在100轮网络搜索评估中，上下文编辑使代理能够完成原本会因上下文耗尽而失败的工作流程，同时将令牌消耗减少了84%。
技术实现与架构设计
上下文编辑的工作原理
上下文编辑采用智能算法识别并移除对当前任务不再相关的工具调用和结果。系统会评估每个内容块的相关性分数，优先保留与当前目标最相关的信息。这种动态上下文管理确保了代理始终拥有最相关的信息，同时不会因信息过载而降低性能。
记忆工具的技术架构
记忆工具采用客户端文件系统架构，确保数据安全性和隐私保护。开发者可以配置存储后端，包括本地文件系统、云存储服务或自定义存储解决方案。这种设计提供了极大的灵活性，使组织能够根据其特定的安全要求和基础设施需求定制记忆系统。
开发者指南与最佳实践
实施上下文编辑
启用上下文编辑：在Claude开发者平台中，导航到代理设置并启用上下文编辑功能。
配置阈值：根据您的用例调整令牌阈值，以平衡上下文清理的频率和保留的信息量。
监控性能：使用平台提供的分析工具监控上下文编辑对代理性能的影响。
实施记忆工具
设置存储后端：选择适合您需求的存储解决方案并配置API端点。
定义记忆结构：设计文件组织结构，以便高效存储和检索信息。
实现记忆管理逻辑：开发工具调用代码，以创建、读取、更新和删除记忆文件。
未来发展方向
Anthropic正在持续改进上下文管理功能，计划在未来版本中引入更智能的内容相关性评估、多模态记忆支持以及跨代理知识共享机制。这些进步将进一步扩展AI代理的能力边界，使它们能够处理更加复杂和长期的任务。
开始使用
这些功能现已通过公开测试版在Claude开发者平台上可用，同时也在Amazon Bedrock和Google Cloud的Vertex AI中提供。探索上下文编辑和记忆工具的文档，或访问我们的食谱库了解更多信息。
通过这些创新功能，Anthropic正在重新定义AI代理的能力边界，为开发者构建更强大、更持久的AI系统铺平道路。无论是处理大型代码库、进行深度研究还是管理复杂数据流程，上下文管理和记忆工具都将显著提升AI代理的性能和可靠性。
