少读多解：面向AI智能体的令牌高效稀疏读取

长程智能体日益依赖对外部工件的反复访问，然而当前的读取接口即使在只需稀疏证据时也往往暴露整个对象。这种过度读取增加了令牌与延迟成本，并可能稀释与任务相关的证据，而现有的上下文缩减方法主要是在大量内容已进入轨迹之后才进行干预。我们提出SparseRead，一个无需训练、对模型透明的读取层，在多余证据到达模型上下文之前控制内容准入。SparseRead结合了模式感知的读取门（Read Gate）、可扩展的读取器后端（Reader Backends），以及一个有状态协议，用于有界的、锚定来源的证据获取，并带有显式的细化、验证、停止与回退机制。在包括Claude Opus 5在内的六个前沿模型和五类工作负载场景中，SparseRead最多将令牌量减少92.9%、将墙钟时间减少89.0%，同时保持或提升任务质量。它在三个智能体框架上的一致收益进一步证明了广泛的可移植性。