编码 agent 的上下文，该像编译器一样管

长任务跑到一半，agent 的上下文里堆满了几百轮交互：重要的没记住，过时的删不掉。10 月 27 日提交的 Spine 换了个管法——把子任务树当成程序来编译，用完的细节换成结果，没完的现场保留。分数涨了，账单还降了三成。

一、发生了什么

论文先否掉两个流行方案：顺序堆历史会让上下文膨胀、性能下滑；无边界地压缩又可能扔掉未完子任务正需要的信息；递归派子代理则把任务粒度和执行者选择绑死，协调开销大。Spine 的接口叫工作范围：agent 显式声明子任务边界，同一个模型就能内联执行嵌套任务，只有真正独立的并行任务才委派出去。运行时维护一棵持久的 SpineTree，记录子任务关系、局部交互、完成状态和返回结果；每次调用模型前把树即时编译成上下文——未完子任务保留交互细节，已完成子任务只留结果，同时保住前缀缓存复用。

作者把它接进 Codex 做出 SpineCodex，用 GPT-5.6 Sol 实测：SWE-Milestone 分数提高 11.8%，总成本降 32.4%；ProgramBench 平均通过率提高 17.3%；十个 FrontierSWE 任务里八个的 Mean@5 提升；和递归子代理方案分数相当，但总成本低 73.7%。接进另一个框架 Pi，搭配 Gemini 3.8 Flash 和 Qwen 3.8 27B，也各有 4 到 17 个点的提升。

跨框架有效这一点值得注意：同样的接口和运行时，接在两个不同底座上都拿到正收益，说明省的钱来自上下文组织本身，不依赖某一家模型的特性。前缀缓存能复用也功不可没——已完成子任务的上下文虽然折叠了，但树结构稳定，缓存命中率不掉，这是很多「每次重拼上下文」方案做不到的。这是背景，不是论文结论。

二、跟你有什么关系

做编码 agent 的：上下文管理该从「截断压缩」转向「结构化编译」，改接口的成本远低于换模型。

管 agent 账单的：同等分数下三成到七成的成本差，直接来自上下文组织方式，这是最便宜的优化项。

造 agent 框架的：把子任务边界做成一等公民接口，是个可复用的设计，不用绑死某个模型。

三、怎么用

1. 让 agent 用显式语句声明子任务的开始与结束，别靠模型自己从文本里猜边界。
2. 每次调模型前动态组装上下文：完成子任务折叠成结果摘要，进行中的保留细节。
3. 委派子代理只留给可并行的独立任务，嵌套任务内联执行，省下协调费。

四、三个别信的说法

上下文超限只能压缩。 无边界压缩会丢未完任务的信息，按子任务树结构化折叠是更准的刀法。

多代理嵌套总是更好。 递归子代理方案分数与 Spine 相当但贵七成多，把粒度和执行者绑一起是过度设计。

降成本必然掉分。 这组实验同时涨分和降费，省的是重复上下文，不是模型能力。

五、一句话结论

上下文不是聊天记录，是编译产物：编译得好，又快又便宜。

信息来源

• 论文摘要：子任务树编译成结构化上下文的 Spine（arXiv），2026 年 10 月 27 日提交

功能与价格以官方公告为准。本文写于 2026 年 10 月 29 日。