ACE：跨智能体的可插拔自适应上下文弹性器

代理任务日益复杂，导致轨迹长度快速增长，这对具有固定上下文窗口的基于大型语言模型（LLM）的代理提出了重大挑战。现有的上下文管理技术（例如截断和摘要）存在固有的不灵活性和不可逆性：一旦信息被丢弃或压缩，即使它在后续决策步骤中变得至关重要，也无法恢复。为了解决这些限制，我们提出了自适应上下文弹性器（ACE），这是一个即插即用的模块，可以在每个决策步骤将历史步骤信息弹性编排到代理的上下文中。 ACE 维护一个无损消息维护层，该层存储每个历史步骤的原始消息和压缩抽象，而上下文编排层在基于当前任务状态的每个决策步骤中自适应地将每个步骤分配为原始、抽象或丢弃的弹性类型。这种可逆的设计确保主大语言模型始终接收紧凑但信息丰富的背景。我们使 ACE 适应四种不同的代理框架，包括 ReAct、DeepAgent、WebThinker 和 MiroFlow，无需培训或架构修改。实验表明，ACE 始终优于截断和汇总基线，并在所有四个代理框架中带来一致的性能提升。