Long-Context Web Agents: почему агенты теряют цель в длинных диалогах

Длинный диалог убивает память LLM: при 25k-150k токенов (примерно 50-300 сообщений) успешность выполнения задач падает с 40-50% до менее 10%. Причём это касается всех топовых моделей – Claude-3.7, GPT-4.1, даже o4-mini с 'extended thinking'. Implicit RAG позволяет агенту не терять цель в длинных сессиях через явное извлечение информации из истории. Разбиение на два шага: сначала 'вспомни и зафиксируй' (модель генерирует краткое саммари относительно текущей задачи), потом 'используй это для действия'. Вместо одного запроса 'вспомни ТО и сделай ЭТО' – два последовательных. Даёт +5-15% успешности на 150k токенов.