面向视图的对话编译器用于 Agent 轨迹分析

针对现有研究忽视对话格式对分析质量影响的问题，本文提出面向视图的对话编译器（VCC）。该工具将原始 Agent 日志编译为多种结构化视图，包括无损全量视图、用户界面视图及自适应视图。在 AppWorld 上下文学习实验中，仅替换反射器的输入格式，便显著提升了模型通过率，同时减少了一半至三分之二的令牌消耗，并生成了更简洁的学习记忆。结果表明，消息格式是上下文学习的关键基础设施。