Box AI 架构中的父子模型是什么？

全局（父）智能体接收请求、分类意图，并动态创建在隔离上下文窗口中工作的子智能体。两层共享同一工具注册表，无需预定义专业化——委派决策在运行时作出。

Box 如何解决上下文窗口过长的问题？

自定义中间件在对话历史超过170,000个 Token 时自动进行摘要，在不丢失关键信息的情况下保持连续性。

Box 构建了模型无关的抽象层，支持 OpenAI、Anthropic 和 Google，客户可以选择偏好的供应商，无需更改业务逻辑。

Box 经历了 AI 集成的三个发展阶段——从单文档问答到采用动态父子模型的完整智能体系统 Deep Agents。新架构的交付速度比上一种方案快4倍，新智能体的开发周期从数月缩短至数周。

Box 是一家拥有数万个企业客户的商业内容管理平台，在构建 AI 能力的过程中经历了三个清晰划分的发展阶段。这一演进历程以及当前名为 Deep Agents 的系统架构细节，已由 LangChain 平台于2026年6月12日以与 Box AI 工程团队深度对话的形式予以记录和发布。

第一阶段——单文档问答： 首个实现支持针对单个文件提问。对孤立分析有一定价值，但不具备跨来源综合信息的能力。

第二阶段——Knowledge Hubs（RAG）： 下一步引入了基于 RAG 的层级，支持针对预定义文档集合的查询。这一方案提升了实用性，但需要预先定义知识来源，且无法动态理解复杂的跨文档关系。

第三阶段——Deep Agents： 当前架构建立在完整的智能体范式之上。系统能够分析数千份文档、理解复杂的上下文关联，并得出前两代无法生成的综合性结论。

Deep Agents 架构的核心是分层模型：全局智能体（父智能体）接收请求并对用户意图进行分类。基于这一分类，父智能体在运行时动态创建针对具体任务的子智能体——而非预先创建。

与其他方案的关键区别在于：父子智能体共享同一工具注册表，不设预定义的专业化方向。若请求简单，父智能体可直接响应，无需启动子智能体；若任务复杂且多维，父智能体确定创建哪些子智能体以及为其分配哪些工具。子智能体在隔离的上下文窗口中工作，防止上下文相互污染，支持更清洁的并行执行。

工具注册表涵盖 BM25 关键词搜索、向量搜索、表格结构化问答和文件操作。Box 团队得出结论：统一工具注册表比动态子集化更为有效——智能体始终对可用能力有完整了解。

Box 团队表示，父子架构的交付速度比上一种基于硬编码专业化子智能体的方案快4倍。此前设计需要三个月的开发周期，新系统在约三周内便完成了准备。新智能体的迭代周期已缩短至约两周，这意味着 Box 能够快速响应新的业务需求，无需经历漫长的开发周期。

此外，团队还得益于架构本身的灵活性带来的 3倍更快的迭代速度——对委派逻辑的修改不需要重写硬编码的专业化智能体之间的关联。

Box 构建了对 LLM 供应商选择完全透明的抽象层。客户可以使用 OpenAI、Anthropic 和 Google 模型，无需修改业务逻辑。

自定义中间件解决了若干关键的运营挑战：

企业平台的基本要求之一是遵守现有的安全模型。Deep Agents 系统不绕过 Box 的权限模型——对数千份文档的信息综合，严格在发起请求的用户访问权限范围内进行。安全集成并非事后添加，而是从开发伊始就是架构要求。

Box 的实践记录了一个在企业 AI 应用中日益常见的趋势：僵化的、预定义的智能体网络，效果不如那些在运行时而非设计阶段作出委派决策的动态层次结构。