来源笔记
Context Sculpting
摘要
Context Sculpting 测试了一个双模型 agent harness：更强的外层模型可以在轮次之间重写较弱的内层模型上下文。这个案例研究显示，主动重写上下文是可行的，但运行结果也显示出较高的成本、延迟和控制策略风险。
问题
- 大多数聊天和 agent 系统把上下文窗口当作只能追加的日志。这会保留过时文件、失败路径、工具噪声和干扰性证据，浪费 token，并把长时间运行的软件 agent 引向错误方向。
- 这里的具体问题是，一个模型能否通过删除误导性状态、压缩历史或引导下一步，来管理另一个模型的工作上下文。
- 这对代码修复和基于语料的回答很重要，因为模型当前的上下文会影响它读什么、改什么、引用什么、验证什么，以及什么时候停止。
方法
- 原型使用 Pi agent harness，包含一个内层任务 agent 和一个外层控制 agent。报告中的运行使用
gpt-5.4-mini作为内层模型，gpt-5.4作为外层模型。 - 每次内层 agent 轮次后，外层 agent 读取完整的内层上下文，并选择一个动作：
pass_through、rewrite_context、rollback或terminate。 - Demo 1 使用了两类任务：一个小型、带文件的任务管理器 CLI 修复任务，以及一个包含干扰文档的本地语料综合任务。每种任务各运行 2 次仅内层运行和 2 次外层 harness 运行，共 8 次运行。
- Demo 2 把外层提示改成
intervention_targeted配置，加入了更嘈杂的任务，并用较低的 thinking effort 降低了内层模型设置。
结果
- Demo 1 的 8 次运行全部成功完成，8 次验证检查全部通过，触发了 0 次 guardrail，估算成本为 $0.7079。
- Demo 1 没有产生上下文重写。在 4 次 harness 运行中，外层 agent 共进行了 16 次调用：12 次
pass_through、4 次terminate、0 次rewrite_context、0 次rollback。完整 harness 的成本比仅内层运行高 14 倍，但通过率没有提高。 - Demo 2 的 4 次运行总成本约为 $1.26。在 2 次 harness 运行中，外层 agent 共进行了 15 次调用：14 次
rewrite_context、1 次terminate、0 次rollback，这说明了主动的上下文重写。 - 在嘈杂的综合任务中，外层 agent 先使用了早期的
inject重写，随后使用了compact重写，内层 agent 在下一轮写出了最终答案。摘录没有给出这项任务相对于基线的准确率变化。 - 在代码修复任务中，控制组在 7 轮、42.7 秒、约 $0.015 的情况下通过。使用 harness 的运行也通过了，但用了 12 轮、566.9 秒、约 $1.06、12 次外层调用和 12 次重写，随后触发了
maxInnerTurnsguardrail。 - 最强的结论是可行性，不是基准突破。这个案例研究表明，提示策略可以把外层 agent 从被动监督变成激进的上下文编辑，而且这种激进编辑会让一次成功运行的成本高得多。