Blast Radius埋葬死上下文。450具尸体无一复返

没有人会为死去的上下文窗口哀悼。这或许正是Blast Radius这篇论文的潜台词。该论文于2026年8月7日提交至arXiv。论文认为，智能体编码存在可负担性问题。全天候运行的智能体会像代码库积累TODO注释一样积累上下文，而它们携带的每一个token都要花钱。

论文的答案是埋葬死者。Blast Radius是一个预测性内存管理层，它会估算一个即将到来的提示词将通过耦合的上下文与代码通道触及多远，然后驱逐它判定为死上下文的内容。驱逐是可逆的, , 上下文被逐字归档，而非销毁。作者报告称，在七个OpenAI模型上，token消耗降低了17%至26%，溢出率是他们测试过的所有策略中最低的，并且实现了字节级精确的可逆性。接下来是一个令人难忘的数字：在450具被埋葬的尸体中，378具是反复出现的死物质，零具被召回。

全天候运行智能体的代价

成本问题很容易被低估。Anthropic于2026年6月30日发布的Claude Sonnet 5，明确瞄准全天候运行的智能体，定价也与之匹配：每百万输入token 2美元、每百万输出token 10美元的促销价持续到2026年8月31日，之后标准定价为每百万token 3美元。智能体不会只读一遍代码库就停下来。它们读取、规划、编辑、重读、运行测试，然后再读。每一次循环都会向上下文窗口追加内容，而窗口并非免费。

论文摘要对这一趋势直言不讳：“智能体编码正面临日益严重的可负担性和token浪费问题。”这里的浪费token不是舍入误差。它们是重复的指令、过时的文件列表、早已结束的调试会话记录。Blast Radius声称，这些累积起来的上下文中有很大一部分是死物质，保留它们的成本高于归档它们。

Blast Radius实际做了什么

该机制分为三层。首先，Blast Radius会估算一个即将到来的提示词在耦合的上下文与代码通道中的触及范围，确定提示词可能深入代码库多远，以及哪些记录值得保持在可触及范围内。其次，NECROPHORESIS负责驱逐本身，逐字归档死上下文，使操作保持可逆。第三，Recurring Dead Matter（RDM，反复出现的死物质）识别不断重新出现的记录并将其埋葬。

最后这一层至关重要。反复出现的记录是最明确的驱逐候选：它每次重新浮出水面都要消耗token，而且显然从未被需要过。作者还在Polish上下文空间上形式化了可逆上下文驱逐，将上下文熵与复活概率联系起来。通俗地说，他们用数学语言阐述了“一个上下文可以被丢弃”意味着什么。

Blast Radius并不会取代智能体的记忆系统。论文称，它在HCRC之下运行，决定哪些记录被埋葬，以及进入的提示词能够深入代码库多远。

数字：450次埋葬，零次召回

实证部分是这篇论文名副其实的地方。在七个OpenAI模型上：

指标	结果
Token消耗	在七个OpenAI模型上降低17-26%
溢出率	在测试的策略中最低
可逆性	字节级精确
被埋葬的尸体	共450具
反复出现的死物质	450具中的378具
被召回	450具中的0具

零召回这样的结果，既可解读为胜利，也可解读为危险信号。论文暗示，埋葬上下文是安全的，因为被埋葬的上下文确实已经死了。但相对于真实生产代码库的规模，450次驱逐只是一个小样本，而且论文并未声称这些模型经受过长时运行的智能体任务。其主张更为克制：在测试的模型和任务中，没有任何被埋葬的内容需要复活。

死者真的死了吗？

论文掩盖了一处矛盾。如果反复出现的死物质如此明显地可以丢弃，它当初为什么会反复出现？RDM的回答是：反复出现是浪费的证据，而非相关性的证据。一份反复出现却从未被实际使用的记录，是完美的token窃贼。埋葬它，可以为真正重要的上下文回收预算，而零召回的结果表明，该系统的判断在测试中经受住了考验。

论文还把自己置于一个名为Algosophy的更大议程之中，该议程旨在让大语言模型和智能体编码更具可复用性和可持续性。这是一个分量很重的词。这里的具体贡献则更为狭义：一种可衡量、可逆的驱逐策略，带来实实在在的token节省。在这种叙述中，可持续性主要意味着不要为了重读同样的死记录而烧钱。

智能体编码中的上下文增长，在实践中比看上去更严重。关于CLAUDE.md问题的相关研究, , 智能体指令文件无限制地增长, , 说明了原因：追加一条新指令总是廉价的，但一旦指令背后的理由消失，删除它就可能以指数级成本带来正确性回退。Blast Radius解决的是这个方程式的处置侧。它让驱逐变得足够廉价、足够可逆，因而值得尝试。留给下一篇论文的开放问题是：当被埋葬之物在生产规模上保持埋葬状态时，会发生什么。