Agent实现四维分离架构 支撑超长周期研究任务持续交付

面对需数小时至数天完成的深度研究任务（如基金对比分析），传统对话式AI常因上下文窗口限制与会话中断导致状态丢失、重复执行与成果不可续接。新架构提出四类对象分离管理：用户任务（含原始问题与约束条件，具跨周期稳定性）、执行Run（单次授权下的完整执行单元，支持重启恢复）、工作上下文（动态变化的即时推理信息，容量有限）及正文与产物（已确认交付的报告版本，独立保存）。该设计避免将研究简化为“延长对话”，确保指令、工具结果与成果不因上下文压缩而失效。

研究推进采用证据驱动的动态策略：在请求回合内即时换源、同一Run内重构问题边界、跨运行时传递任务约束与进度，使每轮新证据真实影响后续决策。阶段化交付机制允许用户在关键节点获取可用成果——初稿需明确已成立发现、适用口径与关键缺口，后续版本融合旧结论、新发现与修正内容，拒绝“最后一刻才出结果”。

上下文减负通过三层机制实现：用户原文原样保留身份属性；大结果（如表格、PDF）外置为可引用对象；推理需验证时精准回读原始段落，保障高保真推理与可追溯性。该框架标志着Agent能力正从单轮问答转向协作式研究，要求系统理解任务生命周期与证据链结构，为金融分析、法律尽调等专业场景提供可持续研究支持。