AutoCompact：把上下文压缩写进编码 Agent 策略——SWE-bench Verified 相对基线 +9.2 个百分点至 39.6%

核心背景与行业痛点

仓库级编码 Agent 在定位、改写、跑测之间会堆积大段探索：失败假设、长工具输出、已否决路径。长度触发压缩（接近窗口才摘要）常在阶段中途打断，或把过时噪声留到下一阶段。Claude Code / Codex 等生产 harness 目前也主要是「窗口将满再压」。AutoCompact（arXiv:2610.02163，项目页 autocompact.github.io）主张：压缩应是策略动作，由模型在任务阶段切换时主动调用，而不是只看 token 余额。

架构亮点与底层机制

脚手架仍是终端 REPL，额外暴露 compact()。调用后用模型生成的 # Auto Context Summary 替换较旧历史，保留原任务与近期轮次。作者用 GPT-5.5-Codex 作裁判，在线纠正三类失败：该不该压、摘要是否漏关键状态、压完后是否按摘要续跑；纠偏结果真正写回环境再继续滚轨迹。SWE-rebench 上得到 1052 条冷启动轨迹做 SFT（触发/摘要/续跑约 24%/53%/23%），再在 SWE-Gym 上用 GRPO、仅以补丁是否过测为奖励，把编码与压缩联合优化——无单独的压缩 shaping。

权威 Benchmark 与实测跑分对比

同基座 Qwen3-Coder-30B-A3B-Instruct、同脚手架、三跑均值（论文 Table 1）：SWE-bench Verified 上 AutoCompact 39.6% vs Base 30.4%（绝对 +9.2 pp）；SWE-PolyBench Verified 24.5% vs 19.5%（+5.0 pp）。相对 SelfCompact / SWE-Compressor / CompactionRL 等同表方法亦居首。256K 下无轨迹触达强制压缩阈值仍有增益；16K 与基线共享强制回退时仍领先。RL 后主动压缩覆盖从 SFT 的 44.3% 升到 58.5%；忽略同一 checkpoint 的 compact() 会掉分，说明收益不全是「训过」 alone。勿外推到其他基座或 Claude/Codex 官方产品分。

开发者实战落地与开箱指南

1. 先读：项目页 与 arXiv HTML——交互示意把 Keep/Summarize/Drop 讲清楚。
2. 预期：本稿检索未见独立 GitHub 实现或公开权重；短期只能复现思路，不能 npx 开箱。
3. 可借鉴：在自建 Agent 加显式 compact 工具；评估时做「执行 vs 忽略摘要」消融；优先在阶段边界（定位完成→开始改码）压，而不是只盯长度。
4. 对照生产：Codex/Claude Code 仍偏长度触发——论文 Limitations 亦建议未来与官方 harness 组合。
5. 跟踪：以 arXiv / 项目页为准；有权重或代码仓再升级本条。