Blast Radius：面向Agentic编程的预测式记忆管理与可逆上下文驱逐

Agentic编程面临日益严重的成本与token浪费问题。我们提出Blast Radius，一个预测式记忆管理层，估计输入提示词经由耦合的上下文与代码通道的影响范围。NECROPHORESIS通过逐字归档死亡上下文实现可逆驱逐，而Recurring Dead Matter（RDM）识别并埋藏反复出现的转录。我们在Polish上下文空间上形式化可逆上下文驱逐，为保留、复发与驱逐提供可度量的基础，并将上下文熵与复活概率联系起来。在七个OpenAI模型上，Blast Radius将token消耗降低17-26%，在所测策略中实现最低溢出率，并保持字节级精确可逆。450个被埋藏记录中有378个属于反复出现的死亡内容，且零个被召回。Blast Radius在HCRC之下运行，决定埋藏哪些记录以及输入提示词可以深入代码库多远。这项工作服务于Algosophy的更宏大目标：让大语言模型与Agentic编程更可复用、更可持续。