面向自适应上下文管理的动态工具输出压缩

如何在不诉诸不可逆的有损压缩方案、也不依赖与当前任务脱节的记忆管理的前提下，应对不断增长的上下文？在下面这篇论文中，我们提出了 Dynamic Tool Output Compression（动态工具输出压缩，DTOC），其核心思想非常简单：在每一轮中，智能体都可以决定隐藏或重新显示某些工具输出，从而让上下文更加聚焦。工具输出会被单独持久化保存，以便之后按需重新启用。在 DeepSWE 任务样本以及内部数据上的消融实验表明，DTOC 能够节省 token 数量、执行步数和 token 成本，同时提升任务解决率，但结果会因模型和任务而异。我们期待能与实践或正式基准测试中采用过类似方法的同行交流学习。作者：Abhay Chaturvedi、Shreya Bhattacharya、Rashmika Gopalkrishnan、Peter van der Putten。论文：DTOC: Dynamic Tool Output Compression for Adaptive Context Management in AI Agents，发表于 Discovery Science，2026 年 10 月 5-9 日，德国美因茨。预印本：https://arxiv.org/abs/2609.26121v1 OpenCode 参考实现：https://github.com/chaturvediabhay24/opencode