隐藏的足迹：将存储作为 LLM Agent 评估的一级指标

现有 LLM Agent 基准测试忽略了运行后留在磁盘上的持久化数据（如日志、上下文快照等）。本文提出 AgentFootprint，一个跨框架的存储足迹基准测试，通过感知序列化的指标 suite 衡量总保留量、重复性及对话历史可重建性。研究发现， naive 字节测量严重低估重复数据，且不同配置在准确率相同的情况下存储差异巨大。实验表明，内容寻址存储可显著减少保留量同时保持可重建性，确立持久化存储应作为与准确率并列的关键资源指标。