智能体上下文裁剪新研究：协议感知策略在节省 56% Token 下保持 96% 成功率

一项发表于 arXiv 的最新研究系统评估了多步工具工作流中的上下文裁剪策略，提出了兼顾 Token 节省与任务执行稳定性的协议感知方法，对优化长周期智能体的运行成本具有参考价值。

• 常规裁剪的缺陷：实验对比显示，近期优先、相关性检索和摘要总结等常规策略虽然能节省约 60% 的 Token，但会导致智能体任务成功率显著下降至 66.6% 至 77.3%。
• 协议感知机制：研究所提策略专门保留标识符、约束条件、工具 Schema 和未决承诺等结构化元信息，单项改进即可使任务成功率回升至 92.2%。
• 护栏与综合表现：结合自适应预算护栏后，系统在平均节省 56.0% Token 的同时达到 96.0% 的任务成功率，并将级联失败率限制在 1.0%。
• 上下文预算边界：数据表明，当保留上下文预算降至 25% 及以下时，智能体的任务失败概率相比保留 50% 以上激增近 11 倍。
• 影响/看点：该研究意味着智能体在长流程执行中可以通过保留关键协议要素来压缩显存与调用开销，但该策略在非标准结构化交互场景中的泛化表现仍需进一步验证。
• 资料依据:
• arXiv 论文（2026-09-16）：https://arxiv.org/abs/2609.16461
• X：DAIR.AI（2026-09-16）：https://x.com/dair_ai/status/2100250366495625320

本内容由 AI 生成，仅供参考，请注意甄别