决策感知记忆卡：受反事实启发的工具使用 LLM Agent 上下文选择与压缩

针对工具使用型 LLM Agent 常因关键证据未被有效选择或压缩而失败的问题，本文提出 CICL，一种决策感知的上下文层。该方法将实例证据转化为上下文图，通过共享 schema 路由多种模型判断，依据行动偏移、结果提升等指标评分，并将高效用证据打包为类型化“记忆卡”。实验表明，CICL 在 SWE-bench 检索任务中显著提升了命中率与 MRR，揭示了语义单元对决策的关键作用，提供了一种可复现的决策关键上下文测量与选择机制。