双智能体LLM接力中的状态压缩：约束保持的封闭世界研究

长期运行的大语言模型（LLM）智能体常积累包含审计、排除与数值计算的大型中间轨迹。实践中，该状态在交给下游决策步骤前被压缩，形成信息瓶颈——小的遗漏即可破坏严格的数值或类别约束。本文在一个双LLM智能体的封闭世界旅行规划接力中评估交接压缩：研究者智能体为50个目标实例审计固定的酒店与航班库存；预订者智能体仅凭目标与交接载荷选择酒店—航班对，库存对其隐去。我们比较四种交接条件：不压缩、叙事摘要、模式约束的JSON抽取与基于嵌入的剪枝。对固定库存的穷举枚举提供精确的可行与最优标签。结果显示，交接表示强烈影响小决策模型下的下游可行性：JSON抽取取得最高的可行性准确率0.96；叙事摘要虽然产出最小的压缩交接载荷，却把可行性劣化到0.48；基于嵌入的剪枝在不增加生成式压缩调用的前提下以0.88匹敌不压缩对照。这些发现表明，约束检查受益于结构化、可审计的交接表示，而非仅靠简短。