标签
StateComp是一个根据当前状态压缩长时程智能体历史交互的框架，可将令牌使用量减少52.27%，并在保持任务性能的同时，使表示提取速度提升12.67倍。
本文提出DRSR方法，通过评估删除集压缩智能体历史记录，减少令牌使用量，同时保持或提升基准性能。
介绍Strands harness，这是一款新的开源代理框架，提供前沿性能，令牌成本比Claude Code等其他框架低28%，支持多种AI模型并易于部署。
本文基于PyCon China 2026的演讲，讨论如何设计AI代理的组成、运行环境和生命周期。
AWS 已发布 Strands Harness，这是一个 AI 智能体工具，使开发者能够运行各种 AI 模型，并内置网络搜索和记忆等功能，声称比竞争对手节省大量成本。
本文是一份工程笔记，从第一性原理重新探讨编码代理的设计，质疑KV缓存对当前架构的影响，并提出新的上下文管理和决策方法。
ResumeContext 为编程代理提供共享内存，使团队能够在不同设备之间保留上下文，并且在切换代理时不会丢失信息。
本文探讨了在AI智能体设置中，共享笔记文件如何追踪操作但因上下文窗口限制而丢失其背后的推理，突出了当前变通方法中的不足。
本文总结了针对编码代理的框架设计的实证研究，表明上下文管理可防止溢出故障、在 LLM 摘要之前进行基于规则的省略具有成本效益，并且规划的作用随模型强度而变化。
这篇文章解释了AI智能体中世界模型的概念，强调了它们在跟踪演变状态和转变方面的作用，与上下文或记忆不同，并举了叙事世界模型用于长篇小说的例子。
本文提出JustMem，一个通过平衡发现广度和读取保真度来适应长期对话的内存访问系统，用更少的令牌实现更高的准确性。
本文比较了六种编码代理中的计划模式，强调了它们在结构上的一致性，但在批准后的上下文处理上存在分歧，并讨论了重新阅读计划以在长时间运行中保持有效性的重要性。
本文介绍了GCB和KRE作为两个层，用于优化持久化多智能体AI系统中的令牌使用和上下文管理，在保持能力的同时降低成本。
MCP 现在定义了代理技能的标准扩展，使得 AI 代理能够通过现有资源按需发现和加载可重用工作流。
Tonebird 是一款产品，帮助用户管理消息，通过记住上下文并以用户自己的风格起草回复，减少上下文切换和过度思考。
本文探讨了AI代理中token使用量为何会因系统提示和工具定义等因素而迅速增加，并询问了管理token消耗的有效技术。
这篇文章强调了上下文工程作为AI智能体框架的一个主要挑战，并介绍了Deep Agents，它包含内置功能如文件系统和子代理，用于有效的上下文管理。
本文探讨了生产环境AI智能体中上下文压缩与提示缓存之间的权衡，提出使用子代理作为策略，以保持缓存效率并减少上下文污染。