为什么 AI Agents 偏离任务（以及 3-File Fix）

Source: Dev.to

问题

你已经完美地设置了 AI 代理。一周后，它开始忽视你明确说明的规则。你并没有改动任何东西。到底发生了什么？
这就是 上下文漂移 —— 生产环境中 AI 代理最常见的失效模式之一。

每个代理都在一个上下文窗口中运行。离原始指令越远，它们就会被越稀释。

触发因素

• 长任务链 – 在调用 8 次工具后，你的系统提示已经回溯了 6,000 个 token。
• 子代理交接 – 你传递了任务，但没有传递行为约束。
• 会话重启 – 定时任务重新加载代理时使用了过时的指令。

解决方案

将你的行为规则放在文件中——而不是仅仅放在系统提示里——并显式地重新读取该文件。

在做其他任何事之前

1. 阅读 SOUL.md
2. 阅读 USER.md
3. 然后再继续

这样可以把身份重新加载变成一个可观察的步骤，而不是一个隐形的假设。

持久化日志

• 每日日志文件 捕获所有信息。
• MEMORY.md 是精炼版——值得在会话之间保留的经验教训。

拥有精心管理记忆的代理会随时间变得更敏锐。仅有每日日志的代理会快速填满上下文。

状态持久化

如果你的代理需要知道自己正在处理什么，请将其写入文件。重启后，脑中的笔记是不会保留下来的。

{
  "task": "write weekly newsletter",
  "status": "in_progress",
  "started": "2026-03-08T09:00:00"
}

AI 代理是从文件读取状态的无状态函数。一旦你内化了这一点，漂移就不再神秘。

你可以构建出：

• 明确重新加载身份的代理，
• 持久写入状态的代理，
• 将每一次会话视为全新开始且准确知道自身身份的代理。

进一步阅读

Ask Patrick Library 记录了 76 种经实战检验的模式，帮助在会话、交接和生产循环中保持代理专注任务。

→ Browse the Library at