上下文膨胀

代理的上下文从8000 token增长到45000 token——其中60%是早期对话的冗余工具结果。推理质量明显下降，模型开始忽略早期指令。清理后保留15000 token核心上下文，任务完成率从64%恢复到91%。

上下文膨胀与google相关。Scavio提供统一API来访问所有这些平台的数据。

上下文膨胀是代理系统的隐形性能杀手。每次工具调用的结果、每轮对话的历史、每个工具的描述都累积在上下文中。当总量接近窗口限制时，模型性能急剧下降。 膨胀来源：累积的工具调用结果（搜索结果未经压缩直接注入）、完整的对话历史（早期轮次未摘要）、工具描述开销（注册工具越多描述越长）和重复信息（相同内容在不同轮次中重复出现）。 管理策略：搜索结果压缩（只注入结构化摘要而非全文）、对话历史滚动摘要（定期压缩早期轮次为摘要）、选择性工具加载（只加载当前任务需要的工具描述）和去重（检测并移除重复内容）。搜索API返回结构化、token高效的结果对于控制膨胀至关重要。