CORVUS：通过 LLM 编码智能体 的底层同步进行上下文优化和减少

LLM 编码智能体 通过构建累积推理、工具调用和结果的轨迹来进行操作，以实现多步决策。然而，实践中发现的传统仅附加轨迹架构将文件读取操作与其观察结果紧密耦合，捕获永久固定在时间历史中的快照。当文件通过代理编辑或并发人工修改而发生变化时，这些快照会变得陈旧，导致推理错误并导致代理冗余地重新读取文件，每次重新读取都会将另一个副本附加到轨迹中。为了缓解这个问题，我们提出了 CORVUS，一种新颖的轨迹架构，通过维护相关文件的同步注册表并在每个推理周期仅注入其当前内容，将文件读取操作与其观察结果解耦。这种结构变化产生了明显更轻的轨迹，通过构造与实际代码库状态保持同步，消除了使传统轨迹膨胀的冗余文件副本和过时快照。我们在 SWE-POLYBENCH_VERIFIED 和 SWE-BENCH PRO 上跨四个 LLM 评估了 CORVUS，在保持可比较的通过率的同时，每个任务的平均输入标记减少了 9-50%，最终提示缩短了 15-32%，推理周期减少了 37%。