智能体跑长任务时，交互历史会越堆越厚。每一步决策都要把前面所有记录重新读一遍，上下文窗口被迅速填满，成本上升，模型还容易被无关信息带偏。微软提出的 FOCUS 想解决的就是这件事。

它判断的是"下一步真正依赖什么"

打开网易新闻 查看精彩图片

FOCUS 的做法是在测试时压缩智能体的交互历史。它先判断智能体下一步决策真正依赖哪些历史片段，保留这些片段，丢弃其余部分。整个过程不需要训练数据，也不需要微调。

这意味着它可以作为一个独立层，接在闭源 API 模型前面使用。

削减幅度与效果

在工具调用、QA、网页与多轮对话基准上，FOCUS 的成绩是两组数字：

  • 峰值上下文最多削减 48%
  • 任务成功率最多提升 8.9 个百分点

上下文变短，成功率反而上升。对需要长时间连续调用工具的智能体来说，这个组合值得关注。