🔬技術深讀2026-06-15
Less Context, Better Agents: Efficient Context Engineering for Long-Horizon Tool-Using LLM Agents
#arxiv#論文#agentic-ai#context-engineering#企業效率#LLM
title: "Less Context, Better Agents: Efficient Context Engineering for Long-Horizon Tool-Using LLM Agents" tags: [arxiv, 論文, agentic-ai, context-engineering, 企業效率, LLM] source: https://arxiv.org/abs/2606.10209v1 date: 2026-06-15 domain: 技術深讀 type: research status: active updated: 2026-08-30 ---# Less Context, Better Agents: Efficient Context Engineering for Long-Horizon Tool-Using LLM Agents
作者： Abhilasha Lodha, Mahsa Pahlavikhah Varnosfaderani, Abir Chakraborty, Abhinav Mithal 發表： 2026-06-08
摘要
企業級 LLM Agent 在處理長序列工具呼叫時，常因上下文過長導致溢位、狀態陳舊與推理成本飆升。本研究以 Microsoft Dynamics 365 的費用報銷自動化為場景，測試四種上下文管理策略。結果顯示：僅保留最近 5 次工具呼叫加上自動摘要，完成率從 71% 提升至 91.6%，同時減少 62% 的 token 消耗與 63% 的執行時間。
企業應用啟示
這篇論文直接回答了「企業 AI Agent 為什麼越用越慢、越用越貴」的痛點，提供了可量化的優化方案，非常適合在 CJ 哥的 AI 轉型課程中作為「Agent 效率優化」的實證案例。