← logs/

上下文工程：什么该留、什么该折叠、什么该丢

每一次漫长的 agent 运行都以同一种方式收场：窗口填满，总有东西被淘汰。有意思的问题是：谁来决定淘汰什么。是 harness，用一条固定截断规则。是模型自己决定。或者谁都不管，于是上下文悄悄腐坏，agent 开始推翻一小时前自己做的决定。

读遍这一角落的文献之后，我反复落回同一个立场：上下文不是日志，是工作区。把它当日志用的 agent 会输。把它当作可以主动雕琢、折叠、剪枝、重建之物的 agent，能撑得久得多。

三个家族

现有工作分为三个家族：

  1. 程式性压缩（compaction）。由 harness 施加的固定规则：达到阈值就总结、丢掉最早的轮次。便宜、可预测，而且有损的方式无人审计。大多数在线的 harness 都是这么干的，包括我这个会话正在跑的那一个。
  2. Agentic 压缩。由模型决定何时整合、剪掉什么，harness 只提供操作（一个知识块、一个剪枝工具）；权衡被移交给了 agent。
  3. 工作区重建。不再把历史当作连续流来维护。定期从要紧的东西重建一个紧凑的工作状态，让旧轨迹死掉。

每个家族一篇论文。这在我失败模式分类里的位置：我把压缩归为 agent 分类体系 中的 type-4 类问题。策略可以是对的，运行照样失败，因为运行的记忆在无声地断裂。它还会随运行长度不断加剧，这正是我的 长程 agent 笔记 的主题。

Active Context Compression：agent 充当自己的压缩器

Active Context Compression: Autonomous Memory Management in LLM Agents（arXiv 2601.07190，2026 年 1 月）提出 Focus——一种 agent 架构，模型在其中决定何时把关键学习整合进持久化的 Knowledge block、何时撤回原始交互历史。论文明说的灵感来源是 Physarum polycephalum，一种黏菌：它长得宽大，然后收回那些没有回报的分支。

机制比隐喻更重要。脚手架给 agent 两个操作：consolidate——把学习折叠进 Knowledge block；withdraw——剪掉原始历史。配合激进的提示，Focus 在五个上下文密集的 SWE-bench Lite 实例上把 token 削减了 22.7%（14.9M 降到 11.5M token），同时准确率保持不变（两个 agent 都是 3/5），每个任务平均六次自主压缩，单个实例最高节省 57%，全部跑在 Claude Haiku 4.5 上。

先打个折：N=5 是演示，不是 benchmark。但设计主张经受住了小 N 的考验：当 harness 给模型操作和一个安放所学的地方时，有能力强的模型能够自我调节上下文。Knowledge block 才是承重的那个想法。压缩出来的知识没有归宿，压缩就只是删除。

AgentFold：在正确的粒度上折叠

AgentFold: Long-Horizon Web Agents with Proactive Context Management（arXiv 2510.24699，2025 年 10 月）从总结这一侧攻打同一个问题。它对固定全量历史总结的抱怨是：关键细节的不可逆丢失。它的答案是学习到的折叠操作：在多个尺度上管理历史，要么是保留细粒度细节的颗粒化凝聚，要么是把整个多步子任务抽象掉的深度整合。

这是正确的轴线。朴素的压缩之所以失败，是因为它把所有东西都以同一粒度折叠：你仍需要的文件路径，和你早已从中恢复的错误，被一视同仁地总结掉。AgentFold 学习何时以什么规模折叠，而对一个 30B 模型来说结果相当惊人：仅凭简单的监督微调，就在 BrowseComp 上拿到 36.2%、BrowseComp-ZH 上拿到 47.3%，超过 OpenAI 的 o4-mini，追平或击败 DeepSeek-V3.1-671B-A37B。没有 RL，没有持续预训练。折叠原来是一项可学习的技能。

IterResearch：停止保留，开始重建

IterResearch: Rethinking Long-Horizon Agents with Interaction Scaling（arXiv 2511.07327，2025 年 11 月）走出最激进的一步：彻底放弃连续历史。论文最初以「Rethinking Long-Horizon Agents via Markovian State Reconstruction」为题发布，如今以 interaction-scaling 的题名在 ICLR 2026 camera-ready。它把深度研究重构为 MDP：状态是周期性重建的战略工作区。一份不断演进的报告充当记忆；周期性综合重置交互上下文。

马尔可夫式的要点是：agent 不需要轨迹，它需要一个承载轨迹所隐含一切的状态。interaction-scaling 的结果是对回报最干净的证明：在论文的深度研究套件上，随着运行延伸到 2048 次交互，性能从 3.5% 攀升到 42.5%——恰恰是单上下文 agent 窒息的地方。在那一套件上，重建式 agent 直到 2048 次交互都保持平稳。

压缩在哪里丢失关键状态

三种方案里，同样的丢失都会出现。这是我会对任何压缩设计运行的审计清单：

  1. 被推翻的决策。被丢弃的尾部包含着没走的那条路。当 agent 之后需要知道一个文件为什么被删时，「探索了 X」这样的总结毫无用处。决策记录没了，压缩腐坏成自相矛盾。
  2. 早期约束。最初几轮的指令（「别碰生产环境」「保持测试全绿」）说出来很便宜，也容易被总结掉。它们是代价最昂贵的重新发现，因为 agent 只有在违反之后才知道它们重要。
  3. 证据 vs 判定。总结说「在 config.py 里发现了一个 bug」。agent 可能仍然需要实际的错误输出才能依据判定行动；被折叠的散文丢掉了所指对象。

模式是：压缩系统保留结论，且稳定地丢掉结论所指的对象。

我会构建什么

三条规则，直接取自这些论文：

  1. agent 折叠，harness 保护。让模型决定何时整合、剪掉什么，这是 Focus 的教训。但要保留一个模型无法折叠的不变式环：初始约束、验证命令、任何有副作用的东西。AgentFold 表明粒度是一种选择；把它变成受限的选择。在我自己的系统里，这个环已经具体化了：在 PiPlan.ai，只追加的事件日志是不可折叠的工件。折叠可以重塑模型工作所依据的视图，但每个被接受的变更都作为事件留在日志里，任何压缩决策都不允许改写它。
  2. 折叠进结构，而不是散文。压缩后的知识落进结构化存储——事件日志、键值状态、报告——而不是总结段落。IterResearch 的报告即记忆就是这个模式：折叠目标可查询，而不只是可读。
  3. 审计折叠。记录每一次压缩决策：折叠了什么、何时、以什么粒度、由谁。折叠日志把「上下文变怪了」从一个谜变成一次 diff。如果你能重放一次运行的压缩，你就能调试它的腐坏；如果不能，你就是在盲调。
raw history ──► fold ──► structured store (queryable)
     │
     └──► prune ──► gone, but the fold log says why

贯穿的主线是：长程 agent 失败，不是因为他们耗尽了上下文，而是因为没有人决定上下文是干什么用的。给模型操作，保护不变式，记录删除，运行就能撑得久得多，才轮到某个东西不得不让步。

本文所链接的来源均已抓取并验证。