ContextRender：从执行依赖​​关系到Agent上下文

执行长期任务的 LLM Agent会积累后续步骤可能需要的工具结果。即使它适合上下文窗口，将完整的历史记录传递给每个调用也是昂贵的，而减少它则可能会遗漏所需的信息。现有的上下文管理方法可能会忽略在后续执行中如何使用早期工具结果，从而使所需信息脱离上下文。我们引入 ContextRender，它通过执行依赖关系的持久图来管理上下文。我们开发工具流分析来跟踪后续操作如何重用早期工具结果中的信息，从而提供称为观察重用的信号。渲染器将​​此信号与新近度和语义相关性结合起来，以在固定历史预算内选择结果，保留省略的结果以供以后使用。在具有三种执行模型的 AppWorld 和 8 目标 QA 中，ContextRender 的性能优于使用 6K 历史预算评估的上下文管理基线，远低于模型的最大上下文窗口。在此预算内，它实现了接近或高于通过完整历史记录的任务性能，同时相对于完整历史记录平均推理成本降低了 10.2%-32.2%。消融表明，观察到的重用可以提高任务性能并保留以后重用的结果。