LLM 代理是潜在上下文管理器：通过状态本体感知引发自我管理上下文

长视野工具代理的瓶颈在于其上下文如何向上下文窗口的限制增长。最近的系统使上下文管理由代理或系统控制，但它们要么学习丢弃证据的压缩策略，要么在代理从未看到的层中管理上下文。我们认为两者都忽略了一个更基本的差距：前沿语言模型在本体感受上对自己的上下文视而不见。仅从提示中，他们无法可靠地推断出块大小、新近度或剩余预算，所有这些都是保留或存档决策所需的。我们引入了 VISTA（工具代理的可见内部状态），这是一个与模型无关的 无需训练 层，它将工作内存表示为类型化可寻址块，显示词元使用情况、新近度、存档状态和剩余预算的运行时仪表板，并将存档块作为可恢复的全保真有效负载。在 LOCA-Bench、BrowseComp-Plus 和 GAIA 上，相同的未经训练的接口可以在 1M、100K 和 10K 规模的轨迹上传输。在 LOCA-Bench 上，它将 Gemini-3-Flash 从 22.7% 提升到 50.7%，在 BrowseComp-Plus 上达到 58.0%，并且在 GAIA 上保持竞争力。收益随着上下文压力和跨主干网的传输而增长，而消融则证实了仪表板的重要性超出了存档和恢复工具的范围。