Материал подготовлен автоматически по первоисточникам: ссылки на них — в конце статьи.
Контекст ИИ-агента для долгой задачи научились сокращать, не заставляя модель заново восстанавливать уже сделанную работу. Yuchen Lu, Julian McAuley и Lei Zhang предложили CarryOn: в работе, которая не прошла рецензирование и приводит числа, полученные самими авторами, система одновременно повысила результат Claude Opus 4.7 и почти вдвое сократила расход токенов. Для архитектуры агентов это перенос точки опоры с журнала действий на файлы, найденные факты и состояние приложений.
Как результат работы заменяет историю действий
Обычный агент сохраняет переписку с моделью, вызовы инструментов и ответы среды. Даже если он уже вставил изображения в презентацию или заполнил отчёт, следующие запросы снова передают модели историю того, как появился результат.
CarryOn считает основой продолжения сам результат. Это может быть файл, документ, таблица, найденный и подтверждённый факт либо состояние приложения, к которому агент способен вернуться. История нужна только до тех пор, пока её существенная часть не закреплена в таком объекте.
Активный контекст состоит из трёх частей. Носители продолжения хранят ссылку на объект или его содержимое, устойчивый идентификатор и условия повторного использования. Контекст выполнения оставляет текущую цель, ограничения и незавершённые пункты, которых нет в объекте. Свежий хвост содержит действия после последнего сокращения контекста.
Например, сохранённая презентация несёт уже выполненные правки, но не обязана хранить требование проверить имя файла перед отправкой. Презентация попадёт в носитель продолжения, а требование останется в контексте выполнения.
При свёртке CarryOn ищет результаты, которые уже можно использовать повторно, связывает их с исходными материалами и при возможности проверяет состояние среды без изменений. Затем система обновляет только затронутые записи и отдельно пересобирает список целей, ограничений и нерешённых задач. Если проверка не проходит, прежний контекст и свежая история остаются без изменений.
Это отличает CarryOn от периодической суммаризации. Резюме каждый раз заново описывает прошлое текстом, а CarryOn сохраняет идентичность объекта и создаёт следующую версию его записи. Незатронутые объекты не приходится восстанавливать из очередного пересказа.
Экономия появляется без потери результата
На полном OSWorld 2.0 Claude Opus 4.7 с CarryOn поднял частичный балл — долю выполненных требований задания — с 43,9% до 49,7%. Общий расход токенов уменьшился на 51,9%, а расчётная стоимость обращений к моделям с учётом работы самого CarryOn снизилась на 35,9%.
В BrowseComp-Plus точность выросла на 7 процентных пунктов. Эффект оказался слабее по стоимости, чем в OSWorld: поиск создаёт более короткую и менее тяжёлую историю, поэтому вспомогательные вызовы CarryOn занимают заметную часть расходов.
Само сокращение контекста результата не гарантировало. Скользящее окно и обычное текстовое резюме оставляли меньше текста, но выполняли задания хуже базового агента. Резюме, составленное по принципам CarryOn, вернуло часть качества, однако полноценные записи объектов дали лучший частичный балл при более коротком контексте.
Разбор компонентов показал, почему одной таблицы состояния недостаточно. Без контекста выполнения агент видел готовые результаты, но терял цели и нерешённые требования. Без носителей продолжения ему приходилось повторно искать сведения или восстанавливать проделанную работу.
Когда CarryOn меняет архитектурный план
Подход имеет смысл для агентов, которые долго работают в изменяемой среде: редактируют документы, заполняют формы, собирают отчёты или ведут поиск по нескольким источникам. В таких сценариях файл либо состояние приложения уже содержит значительную часть прогресса, поэтому повторная передача всей траектории создаёт дублирование.
Команде потребуется выделить реестр объектов с устойчивыми идентификаторами и версиями, записывать условия их повторного использования и отделить незавершённые требования от готовых результатов. Журнал действий при этом можно оставить неизменяемым для диагностики, но перестать целиком помещать его в каждый запрос к модели.
Экономия возникает не сразу. В эксперименте на OSWorld дополнительные вызовы сначала делали CarryOn дороже, а накопленные расходы сравнялись с базовым агентом до 200-го шага. Для коротких сценариев отдельная среда управления контекстом может не окупить собственные вызовы.
Проверка охватывает Claude Opus 4.7, полный OSWorld 2.0 и случайную подвыборку из 100 вопросов BrowseComp-Plus. Поэтому точные проценты нельзя переносить на другую модель или рабочую среду, но сравнение с обычным резюме поддерживает сам архитектурный вывод: долгий агент должен продолжать работу от проверяемого состояния задачи, а не только от рассказа о прошлом.
CarryOn также не проверяет, правильно ли агент выполнил задачу. Его проверки подтверждают, что запись относится к текущей версии объекта и опирается на разрешённые свидетельства. Доменные проверки результата по-прежнему должен выполнять сам агент или внешний контур контроля.
Источники
Иллюстрация: рисунок из статьи «Pack Light, CarryOn: Building Object-Oriented Context for Long-Horizon Agents», Yuchen Lu, Julian McAuley, Lei Zhang, CC BY 4.0
Похоже на вашу задачу?
Расскажите, что собираете. За полчаса разложим на этапы и назовём сроки — это бесплатно и ни к чему не обязывает.
