Self-GC：长程LLM智能体的自治理上下文

长程LLM智能体积累的工具结果、文件、计划与用户约束过于结构化——不能当作一次性的文本后缀。当前系统大多依赖时序修剪与工具输出遮蔽等运行内启发式——或临近上下文上限时的最终自总结。启发式便宜但对未来依赖盲目；总结保留叙事状态——却常隐藏精确证据、定位符与可编辑工件。我们提出Self-GC——GC既指自治上下文（self-governing context）也刻意呼应垃圾回收（garbage collection）：系统不仅回收未用token——而是治理智能体上下文对象的生命周期。Self-GC将用户轮次、工具跨度与技能状态变为带索引的对象；让旁路规划器提出折叠、遮蔽与修剪动作；并让测试框架强制可恢复的边车、安全提交边界与缓存感知提交。在33会话的Hard Set上——Self-GC修剪43.95%的前缀token——同时84.85%的未来续写不受影响——而启发式基线的无影响率仅为54.55%至69.70%。在332会话的生产衍生套件上——三个规划器骨干达到91.27%至94.58%的无影响率——基线则停留在77.71%至87.46%。在生产中——账户级在线分流使白天平均输入token降低10%至15%——峰值降幅接近20%。这些结果指向：上下文管理应是对带索引、可恢复对象的运行时生命周期控制——而非事后文本清理。