隐式简报

问题：分层多 Agent 的 token 复利陷阱

在编排者-worker 架构中，编排者会累积大量推理轨迹——包括部分结论、死路分支、工具输出和 worker 响应。当每个 worker 调用都要求全量轨迹重放时，token 成本会随递归深度呈指数级增长，形成典型的"同一段上下文付两次钱"困局。传统方案存在三重矛盾：文本摘要引入延迟与信息损失，检索无法保留编排者的动态推理状态，前缀缓存只复用静态前缀却无法适配任务条件。

核心机制：表示层 KV 缓存共享

隐式简报将优化层从文本转移到模型的 KV 缓存 表示空间。通过注意力匹配（AM）压缩引擎，保留 worker 模型在当前任务中会关注的位置，丢弃无关的推测分支或低价值 token。三个关键推理期修改构成技术核心：

1. 任务引导查询向量：用当前 worker prompt 的查询向量替代随机采样，精确对齐任务相关的注意力强度分布
2. 共享 token 选择：跨层跨头聚合为单一全局掩码，避免数百个不兼容的逐头子集导致的批处理碎片化
3. MAD 稳健阈值：采用 median + tau * MAD 的离群值检测替代固定 top-k，让压缩强度自适应轨迹质量和文档长度

工程落地的关键前提

此方案仅在满足以下条件时具有实用性：

• 能完全掌控 worker 推理运行时，直接访问/修改 KV 缓存 状态（纯 API 栈不适用）
• 编排者轨迹能在 worker 模型空间有效表示（跨架构/分词器差异可能导致表示不可迁移）
• 系统存在明确的任务条件选择性保留需求（普通前缀缓存无法覆盖动态推理路径）

适用边界与互补机制

该技术定位为可控编排者-worker 栈的专用优化，非通用状态转移方案。当遇到以下场景时应切换策略：

• 需可审计的人工可读状态 → 选择 context-compression 的结构化摘要
• 外部语料稀疏查找 → 采用 memory-systems 的检索机制
• 纯静态前缀复用 → 优先 context-optimization 的缓存策略

完整的技术决策需生成 LatentPlan 工件，包含瓶颈定位、前提条件验证、修改清单、阈值区制和基线对比，确保优化动作与系统架构约束严格对齐。