Multi-context window workflows
Multi-context window workflows 指一类专门为“任务必然跨越多个 context window”而设计的 agent 工作流。它不假设单个长对话能撑完整个项目，而是主动把交接、恢复、环境自检和增量推进做成显式流程，让每个新 session 都能像接班工程师一样快速进入状态。
- 这类 workflow 要解决的核心问题不是单次推理，而是跨 session 连续性。
- 当任务超过单个 context window 时，单靠 compaction 往往不够，因为压缩后的历史不一定能给下一个 session 足够清晰的行动边界。
- 因此这类 workflow 会把交接信息外化成 artifact，例如 feature list、progress file、启动脚本、git commit 历史或其他结构化状态文件。
- 一个常见模式是“初始化阶段 + 增量执行阶段”分离。先用初始化流程把环境和任务边界搭好，再让后续 session 只做小步、可验证的推进。
- feature list 在这里很关键，因为它把“项目做完了吗”从主观判断变成显式 checklist；这能减少 agent 看到部分进展后提前宣告完成的倾向。
- progress file 和 git history 则解决“上一个 session 到底做了什么”这个问题，让新 session 不必靠猜测恢复上下文。
- 这类 workflow 也通常要求每轮先做 environment check，例如启动服务、跑基础功能、确认代码库没被上一轮破坏，再继续实现新 feature。
- 它与 Context hygiene for agents 相关，但不相同。后者偏会话内的上下文清洁，前者偏跨会话的状态交接与恢复。
- 《Effective context engineering for AI agents》则把它放进更大的 Context engineering 框架里：当单个窗口不可持续时，真正的工程问题不是“怎么塞更多历史”，而是“怎么把状态重构成下一个窗口还看得懂的高信号 artifact”。
- 它也与 Agent scaffold 紧密相关，因为这些 artifact、启动步骤和提交规范，本质上都属于 scaffold 的一部分。
- 从更高层看，它还与 Meta-harness 连成一条线：meta-harness 解决 runtime 层如何恢复，multi-context workflow 则解决任务层如何把恢复变成可执行的日常流程。
ℹ️ Conflict:
- 把更多状态写进 artifact 能提高可恢复性，但也会增加维护面；一旦这些文件过时，它们就会从“辅助记忆”变成“过期记忆”。
- 这种 workflow 强调小步增量和 clean state，适合稳态推进；但对需要大规模并行探索的问题，它可能过于保守。
- compaction 仍然有价值，但不能被误解成完整交接机制；真正稳的跨窗工作流通常需要 compaction 之外的显式 artifact。
- Effective context engineering for AI agents
- Context engineering
- Effective harnesses for long-running agents
- Agent scaffold
- Context hygiene for agents
- Meta-harness
- Agentic engineering
- Anthropic
- Anthropic, “Effective context engineering for AI agents”, 2025-09-29.
- 原文摘录：[llm-wiki/raw/anthropic/Effective context engineering for AI agents](/raw/anthropic/Effective context engineering for AI agents.md)
- Anthropic, “Effective harnesses for long-running agents”, 2025-11-26.
- 原文摘录：[llm-wiki/raw/anthropic/Effective harnesses for long-running agents](/raw/anthropic/Effective harnesses for long-running agents.md)