PACT 通过将 agent 原始输出投影为紧凑的 action-state 记录，在不同 MAS 拓扑下实现任务性能相当的同时大幅削减 token 使用量，OpenHands 提升 -10% tokens-per-resolved，SWE-agent 输入 token 减半。 创意点：多 Agent 系统开发者在设计通信层时可以借鉴 PACT 的 action-state 投影思路：让每个 agent 只传递下游任务必需的动作和状态信息，而非完整自然语言输出，从而直接降低推理成本并缓解 context 窗口压力。代码已开源可直接集成到现有 agent 框架。 原文：https://arxiv.org/abs/2606.05304
作者后记
这篇候选手册来自公开业界分享的摘要提炼，不转载原文。后续我会补充自己的验证、代码和可复用配置，再升级为正式 playbook。
文档版本：v1 · 2026-04-05
不想错过下一篇
加入每周 AI 工程师 Brief
新 playbook 上线第一时间通知，附作者每周观察。永久免费。