Less Context, Better Agents

保留最近 5 對 tool call/response + 自動摘要，完成率 91.6%%，token 少 62.7%%，時間少 60.2%%。

關鍵數據

配置	完成率	Token(K)	時間(hrs)	Wilson 95%% CI
C1: No user model	8.0%%	532.6	3.08	-
C2: Full context	71.0%%	1,481.0	14.56	[65.1,76.3]
C3: Last 5 TC	79.0%%	535.3	5.39	[73.5,83.6]
C4: Last 5+Summary	91.6%%	553.4	5.79	[87.5,94.4]

GPT-5 + D365 F&O hotel expense itemization，50 任務，5 獨立 runs。C4 Wilson CI 與 C3 完全不重疊。SD: C2 4.4, C3 8.2, C4 1.7。

元件	作用	限制
Recency pruning N=5	保留最近 5 對 tool call/response，消除 stale form state	失去 running balance 致 premature termination (C3: 18/53)
Summarization W=3	最近 3 筆互動生成進度摘要	每次 eviction 多 1 次 LLM call (+3.4%% token)
User model GPT-4.1	回答 agent 查詢、強化完成協議	GPT-5 必需，Claude Sonnet 4.5 不需要

類別/模型	n	C2	C4	C2-C4
Hotel GPT-5	50	71.0%%	91.6%%	+20.6pp
Travel GPT-5	30	76.0%%	95.0%%	+19.0pp
Meals&Gifts GPT-5	32	75.6%%	96.1%%	+20.5pp
Hotel Sonnet 4.5	50	88.0%%*	94.5%%	+6.5pp

Sweep	設定	完成率	Token(K)
Pruning N	N=3	74.0%%	425
	N=5	79.0%%	535.3
	N=10	80.0%%	820
	N=inf (C2)	71.0%%	1,481
Summary W	W=1	86.4%%	540
	W=3	91.6%%	553.4
	W=5	92.0%%	575
	W=-1	92.0%%	615

1. Hermes N=5 tool-call pruner
每次 inference 前保留最近 5 對 tool call/response。不需額外 LLM call。

2. sleep-consolidation 擴為 running summary
eviction 時用 Agnes 免費模型做 inline summary，成本 +3.4%% token。

3. 失敗模式分類做品質診斷
stale-state / premature termination / wrong mapping 可自適應 Hermes。

4. N=5 直接套用
典型 task 3-8 tool calls，N=5 覆蓋 1-2 輪完整操作。

限制: 論文在 D365 F&O 驗證。Hermes tool response 為 HTML/JSON，optimal N 需實測。Summary 先用 Agnes 免費模型。

對 Hermes 有直接工程價值。每天面對 context rot。pruning+summary 極簡極有效極穩定。先從 context pruner 開始。