LLM agent 跑久了 context 一定會爆，多半由 harness 用固定規則摘要。Context Language Models（CLM）把模型的 context 鏡像成一個檔案，讓模型用 Bash 想改哪裡就改哪裡。32K 的緊預算下，27B 現成模型零樣本就以較低成本達到相當或稍好的準確率；但論文摘要的大數字多是相對值，本文逐項換回絕對值。

企業 agent 常是每個團隊一個 subagent，再疊一個 orchestrator，但每次交接都是一次有損摘要。整理 Anthropic 的做法：單一 agent loop 搭配按需載入的 skills 與 tools、用 eval 分階段折疊，以及 Conway's law 為什麼讓 agent 長成組織圖。

LLM agent 做長任務時，成敗常取決於中途的決策，評測卻只看最後有沒有做完。The Tasteful Agent 把同一任務分歧的嘗試變成二選一考題，造出 502 題 Taste-Bench：14 個前沿模型最高只有 59.7%，隨機猜是 25%；把偷看答案的老師蒸餾給學生，準確率從 30.0% 升到 47.9%。

data agent 每次任務都得重新摸索資料長什麼樣子。EvoOntology 在 agent 與資料之間加一層可查詢、會自我修補的 ontology：DDR-Bench 六個 backbone 平均 +17.8 分，把 semantic layer 整包塞進 prompt 反而退步，但換模型就得重新演化。

AI Agent 做長任務常重複無效動作。Procedural Graphs 把做事流程存成可編輯的圖，24 格中 23 格勝過無記憶 ReAct，但 HotpotQA 幾乎沒進步，手寫專家圖在 MultiChallenge 上還可能讓成績崩盤。

自我演化的 agent 只會往 skill 檔案裡加內容。SkillZip 把重複的規則收斂掉，不用任何任務驗證，平均壓縮 31.2%，但準確率與比較對象有幾個要打折的地方。

CorpusMap 離線把反覆出現的實體解析成 Entity Page 並連到文件，讓 agent 沿連結搜尋：整體品質比直接搜原始文件高 6.4 到 11.7 分，輸入 token 少 34% 到 57%。