上下文压缩只有两个真问题：何时触发，以及丢掉的内容能否按 ID 精确取回
长时 agent 的轨迹是累积型的：reasoning traces、actions、tool observations 一轮轮叠上去，最终必然撞上固定 context window。现有做法无非丢弃、摘要、检索，共同点是压缩之后那段信息就不再可寻址——要么细节被删，要么只能靠相似度碰运气捞回来。下面几篇工作分别从归档结构、触发时机、理论下界三个方向切这个问题。
问题：阈值触发与不对称代价
SelfCompact（代码：tianjianl/selfcompact）把现有 scaffold 的毛病说得很直接：固定 token 阈值触发 compaction，不看 trajectory 结构。它可能在一次推导中途或一次搜索中途开火，把模型接着要用的中间结果压掉。
这个代价是不对称的。时机好，丢的是 stale work；时机差，丢的是模型下一步必需的输入。阈值本身不携带任何关于「子任务是否已解决」「轨迹是否收敛」的信息，所以它无法区分这两者。
ARC 从另一个方向提问题：靠丢弃、摘要、检索旧信息，可能删掉任务关键细节，或者删掉之后无法可靠恢复。注意后半句——「无法可靠恢复」和「删掉」是两个独立故障。
机制一：ARC 把归档存储与活跃呈现拆开
ARC 的核心动作是解耦：tool observations 写进 append-only、ID 可寻址的 log，压缩时用一个 compact citation 替换旧 observation。agent 之后拿这些 id 请求原始内容，不需要重跑对应的工具，也不依赖相似度检索。
active view 被切成 5 个部分，各有固定 token 预算：immutable task prefix、deterministic summary、recent suffix、一页 external citation catalog、recalled content。约束是 K ≤ L，其中 L = 上下文上限 − 最大 completion 预留，每次模型调用前强制检查。
恢复路径上有个明确禁令：绝不用 head–tail 截断来恢复大 observation，因为那会不可逆地丢掉中间 token。替代方案是用不超过 q 个 payload token 的非重叠 recall chunks 精确重建，⌈|O|/q⌉ 次取完。结果是系统级 observation-lossless，且 active view 无论跑多少轮都保持均匀有界。
评估设置：Qwen3-8B/16k、Qwen3-32B/32k，completion cap 4096。Needle-in-a-Haystack 精确答案 99.40%，最好基线 88.12%；LongBench-v2 Hard 29.97% 对 28.25%。在硬件成本模型下，估计的 serving time 和 HBM 流量都下降——这一点值得注意，因为「无损」通常被默认要拿吞吐换。
机制二：SelfCompact 让模型自己决定何时压
SelfCompact 不换存储结构，换的是触发者。两个推理期要素：
- 模型可调的 compaction tool，负责做摘要；
- 轻量 rubric，规定何时 fire（子任务已解决、轨迹收敛），何时 suppress（推导中、卡住）。
两者缺一不可，消融结果很清楚：只给工具，开源权重模型调用时机不均匀，常在不该调的时候调，或者根本不调；只有 rubric，又没有执行动作的手段。rubric judge 和 summarizer 是同一个模型，无微调、无外部监督。
数字：6 个 benchmark、7 个模型，每问成本比固定间隔摘要低 30–70%；相比不压缩基线，数学上最高 +18.1 点，agentic search +5–9 点。
论文把这归为「元认知缺口」：未被提示的模型无法可靠判断自己的上下文是否在腐烂。轻量 rubric 补上这一层，等于把「何时压缩」从模型固有能力变成 scaffold 可以提供的能力。这是个有用的定位——它解释了为什么单纯给更强的模型并不能自动解决触发时机问题。
机制三：ACM 的两个工具
ACM（代码：lixiaochuan2020/agentic-context-management）模仿人脑短期/长期记忆交互，只加两个工具：
manage_context：把之前轮次压成简洁摘要，并把原始消息 offload 到磁盘外部文件；query_memory：按 id 查询存储的原始消息，精确取回。
每次摘要分配唯一 id，映射到外部记忆里的原始消息。两个性质：压缩无损——被丢弃的消息留在外部存储，agent 随时可回看，工作上下文保持短而干净；压缩由 agent 主动发起，而非固定调度或外部触发，能跟随推理状态与任务进度，同时缓解 peak token 压力。
ACM 和 ARC 在「可寻址」上思路一致，差别在 ACM 把 offload 目标放在磁盘文件、接口收敛成两个工具，ARC 则在 active view 里显式留出 citation catalog 和固定预算分区。
边界一：固定阈值，还是模型自决
阈值触发的问题是结构盲，模型自决的问题是模型不自知。SelfCompact 的答案是加一层 rubric 做桥，代价是引入一个判定环节和它自身的误判率。ACM 选择让 agent 主动调用，把决定权放到轨迹里，但这也意味着压缩频率取决于 agent 的策略质量。
ARC 走的是第三条路：不改变触发者，改变压缩后的可恢复性。触发时机依然可以粗糙，因为压错了还能按 id 取回来。这提示两件事不必捆在一起——触发策略和回收机制可以分别优化。
边界二：有损摘要，还是可寻址无损
摘要的本质是有损。ARC 的 observation-lossless 是把无损性限定在 tool observation 上，用 append-only log + 精确 chunk 重建保证；摘要仍然存在，但只出现在 deterministic summary 这一格里。ACM 同理，摘要用于工作上下文，原文留在外部存储。
纯摘要方案的问题在 TRACE（代码：nokia-applied-research/Trace）里有具体表现：recurrent context compression 会削弱最近交互的影响，导致 blocked actions、重复探索、跨 run 不稳定。
TRACE 的测量方式值得借用：在每个 compaction 边界做 paired closed-loop continuation，同一环境状态下比较压缩前后的行为，测出压缩额外引入的 blocked/重复探索，然后只优化自然语言压缩模板，模型全部冻结。
它和 Acon（代码：microsoft/acon）的差别在反馈粒度：Acon 用「全上下文成功、压缩后失败」的轨迹级反馈，无法把压缩导致的错误与 agent 固有波动分开；TRACE 在边界处局部评估，噪声更小。Acon 的路线是在自然语言空间迭代改 compressor prompt，不动模型参数，因此对 API 模型可用，再蒸馏到小模型。在 AppWorld / OfficeBench / Multi-objective QA 上 peak token 降 26–54%，任务成功率提升，让小模型当长时 agent 最高 +46%。
边界三：选择与生成，差一个 Θ(log n)
Context Compaction Theory 把 compaction 形式化成两个游戏：Context Selection Game，从已有内容里选子集保留；Context Generation Game，用有界长度的消息做摘要。结论是生成游戏等价于单向通信复杂度，选择游戏对应受限协议类，且在存在查询集上生成比选择省 Θ(log n) 预算。
文中给了一个具体对照：Anthropic 的 context compaction endpoint 在 set membership 查询上，错误率明显高于同尺寸 Bloom filter。
这条界不是工程建议，但它划出了摘要类方案的预算上限——省 Θ(log n) 是渐近意义上的，落到具体查询分布上会不会兑现，取决于查询集是不是那类「存在查询」。用 Bloom filter 做对照也提示：当查询可以结构化表达时，表达能力更强的自然语言摘要反而可能不如专门的位数组结构。
失败分类
Survey: Context Compression for LLM Agents 把失败分成三类：F1 压缩前决策错误、F2 压缩中信息丢失、F3 压缩后访问失败。论文合集在 YerbaPage/Awesome-Context-Compression。
这三类和上面的机制一一对得上：F1 对应阈值触发和 rubric 判定，F2 对应摘要模板的质量（Acon/TRACE 的优化目标），F3 对应有没有 append-only 可寻址 log 和按 id 取回的通道（ARC/ACM 的前提）。ARC 那组数字——99.40% 对 88.12%、29.97% 对 28.25%——说明 F3 修好之后，剩下的差距主要落在 F2 上。