# Self-GC: Self-Governing Context for Long-Horizon LLM Agents
- 来源：arxiv · https://arxiv.org/abs/2607.00692
- 作者：Xubin Hao, Hongjin Meng, Xin Yin, Jiawei Zhu, Chenpeng Cao

> 将LLM agent上下文管理从文本修剪升级为生命周期垃圾回收

## 概要

Self-GC 将 agent 上下文中的用户输入、工具输出、技能状态等抽象为索引对象，通过侧通道规划器（LLM planner）决策折叠、屏蔽、裁剪操作，实现对上下文对象的生命周期管理（类似垃圾回收）。在33轮会话的Hard Set中裁剪43.95%前缀token且84.85%未来延续不受影响；在332轮生产套件中达到91.27%-94.58%无影响率，高出启发式基线10-17个百分点。生产环境下白天平均输入token减少10-15%，峰值近20%。

## 对我的影响

1. **导购/agent产品**：当前长对话中工具调用结果、用户约束记忆会无差别累积，Self-GC的结构化管理可直接用于控制上下文窗口，减少无效token占用，提升响应速度。
2. **改变了技术选型判断**：之前考虑用摘要或滑动窗口策略，现在更倾向于基于对象生命周期的上下文治理——更精准保留未来可能依赖的信息，且可恢复侧脑文件（sidecar）重算，避免信息丢失。
3. **接下来该做什么**：读全文看侧通道规划器具体如何与主agent通信；尝试在自己的agent中实现类似的对象索引和折叠机制；跟踪后续是否有开源实现或简化方案。

---
*导出自 前沿论文情报台*