Agent昨天·Tech Analysis
OpenAI 与 Anthropic 的 Agent 架构分歧：Compaction vs Sub-Agents
OpenAI 和 Anthropic 在长周期 Agent 任务的核心架构上出现重大分歧：OpenAI 押注 Context Compaction（上下文压缩），Anthropic 押注 Hierarchical Sub-Agents（层级子代理）。两种选择决定了延迟特征、错误恢复模式以及应用逻辑在模型内外部的分布，对开发者选型有深远影响。
AI Master 解读
核心事件
Agent 架构出现路线之争。
行业影响
影响分析：
- Compaction（OpenAI）：实现简单、状态一致，但长任务延迟累积
- Sub-Agents（Anthropic）：并行处理、容错性强，但协调复杂
- 选择建议：线性任务用 Compaction，并行任务用 Sub-Agents
AI Master 建议
没有银弹，根据任务特征选择架构或采用混合方案。
Agent 架构分歧
Context Compaction（OpenAI）
- 保留关键信息，丢弃冗余
- 单模型处理所有任务
- 适用：客服对话、长文档写作
Sub-Agents（Anthropic）
- 任务分解，并行处理
- 分布式状态管理
- 适用：研究任务、数据分析