从历史到状态：面向 LLM 智能体的恒定上下文技能学习

针对个人智能体在隐私、成本与能力间的矛盾，本文提出恒定上下文技能学习方法。该框架将可复用的工作流过程学习为轻量级任务模块，推理时仅依赖当前观测与紧凑状态块，而非冗长历史。通过确定性追踪器生成状态并对齐子目标奖励，利用步级监督微调与在线强化学习训练模块。实验表明，该方法在多个基准上性能优异，同时将每轮提示令牌数减少 2 至 7 倍，证实了将程序性上下文从提示迁移至权重的有效性。