代理上下文管理：内存和成本作为架构问题

计算机科学 > 人工智能 arXiv:2607.21503 (cs) [提交于 2026 年 7 月 23 日] 标题：Agentic Context Management: Solving Agent Memory and Cost by Treating Them as Lifecycle and Architecture Problems 作者：Gaurav Dadhich 查看题为 Agentic Context Management: Solving Agent Memory and Cost by Treating Them as Lifecycle and Architecture Problems 的 PDF 文件，作者：Gaurav Dadhich 查看 PDF HTML （实验）摘要：生产型人工智能代理的失败较少是由于无法良好推理而导致的，而更常见的是因为它们无法管理推理上下文中的内容：对话历史记录、大型提示、大型工具定义和膨胀的工具输出。特工们淹没在自己不断积累的历史中，同时付出的象征性成本每回合都在增长，从而在对话中和对话中产生缺失的回忆。现有的回应将此视为存储和检索问题。我们认为这个框架太狭窄了。积极管理代理所记住的内容是一个生命周期，而不仅仅是一个存储：它包括决定要记住什么、提取和构建它、根据数据类型选择正确的存储、在保留来源的同时进行巩固和遗忘、决定现在相关的内容、预测接下来需要什么，以及在不丢失重要内容的情况下将上下文压缩到预算。在严肃的生产中，这不是针对单个用户而是跨组织范围层次结构进行操作。我们将这一学科命名为代理上下文管理 (ACM)，并将其分解为五个原语：架构、摄取、范围界定、预测以及压缩和整合。然后我们做出经济案例：朴素的上下文积累在会话长度中以二次方的方式增加了令牌成本，粗略的总结以准确性悬崖的价格购买了线性成本，并且只有经过验证的压缩才能在保真度的情况下实现线性成本。我们描述了一个参考实现 Maximem Synap，它将五个原语实现为多租户服务，并在第 6 节中详细介绍的配置下，在 LongMemEval 上报告了 92%，在 LoCoMo 上报告了 93.2%。我们关闭了现有基准尚未捕获的维度、延迟、令牌效率和上下文腐烂阻力，以及该类别指向的决策级和组织级上下文的前沿。评论：23页，6张图，4张表格。评估工具和研究数据：此http URL 主题：人工智能（cs.AI）；信息检索 (cs.IR) ACM 课程：I.2.7； I.2.11； H.3.3 引用为：arXiv:2607.21503 [cs.AI]（或此版本的 arXiv:2607.21503v1 [cs.AI]） https://doi.org/10.48550/arXiv.2607.21503 arXiv 通过 DataCite 发布的 DOI 提交历史记录 来自：Gaurav Dadhich [ 查看电子邮件 ] [v1] 2026 年 7 月 23 日星期四 16:51:31 UTC (123 KB) 全文链接：访问论文：查看标题为 Agentic Context Management: Solving Agent Memory and Cost by Treating Them as Lifecycle and Architecture Problems 的论文的 PDF，作者：Gaurav Dadhich 查看 PDF HTML（实验性）TeX 源代码查看许可证 当前浏览上下文：cs.AI < 上一页 |下一页 > 新 |最近 | 2026-07 更改为浏览方式：cs cs.IR 参考文献和引文 NASA ADS Google Scholar 语义学者正在加载... BibTeX 格式的引文正在加载... 数据提供者： 书签 书目工具 书目和引文工具 书目浏览器 切换书目浏览器（什么是浏览器？） 关联论文 切换关联论文（什么是关联论文？） Litmaps切换 Litmaps（什么是 Litmaps？）scite.ai 切换 scite 智能引文（什么是智能引文？）与本文相关的代码、数据、媒体代码、数据和媒体 alphaXiv 切换 alphaXiv（什么是 alphaXiv？）代码链接 切换 CatalyzeX 论文代码查找器（什么是 CatalyzeX？） DagsHub 切换 DagsHub （什么是 DagsHub？） GotitPub 切换 Gotit.pub （什么是 GotitPub？） Huggingface 切换 Hugging Face （什么是 Huggingface？） ScienceCast 切换 ScienceCast （什么是 ScienceCast？） 演示 演示 Replicate 切换 复制 （什么是 Replicate？） Spaces 切换 Hugging Face 空间（什么是 Spaces？） Spaces 切换TXYZ.AI（什么是 TXYZ.AI？）相关论文推荐器和搜索工具链接到 Influence Flower Influence Flower（什么是 Influence Flowers？）核心推荐器切换 CORE 推荐器（什么是 CORE？）作者地点机构主题关于 arXivLabs arXivLabs：与社区合作者的实验项目 arXivLabs 是一个框架，允许合作者直接在我们的网站上开发和共享新的 arXiv 功能。与 arXivLabs 合作的个人和组织都接受并接受了我们开放、社区、卓越和用户数据隐私的价值观。 arXiv 致力于这些价值观，并且只与遵守这些价值观的合作伙伴合作。您有一个能为 arXiv 社区增加价值的项目想法吗？了解有关 arXivLabs 的更多信息。这篇论文的哪些作者是认可者？ |禁用 MathJax（什么是 MathJax？）