LangChain 把 Deep Agents 的答案押在了 middleware 上。开源 Agent 框架大多死在长任务里，不是模型不够聪明，而是上下文被自己撑爆。context rot，上下文腐化，不是玄学：工具返回的原始日志、失败重试的堆栈、几十轮对话的碎片全堆在窗口里，注意力被稀释，越往后越糊涂。Deep Agents 的做法很直接——把上下文管理从提示词技巧，变成一组可插拔的中间件。
总结中间件在 token 逼近阈值时压缩历史；虚拟文件系统让 Agent 把大块中间结果写进文件，而不是塞回窗口；子 Agent 做隔离，主 Agent 只收回结论；todo 列表则在压缩之后保住任务骨架。这套组合的实质，是承认上下文不是越全越好——该记的记住，该忘的忘掉。长任务真正的难处从来不是单步推理，而是几十步之后你还能不能记得最初要干什么。
更值得琢磨的是这个转向本身。过去一年行业在拼模型能力，现在拼的是框架层的工程：同样的模型，上下文管得干净与否，长任务的成功率能差出一截。middleware 模块化的好处在于可替换，不同任务类型配不同的压缩、隔离与记忆策略，不必重写整个 Agent。长任务 Agent 的胜负手，正在从“模型多聪明”移到“上下文多干净”。
