Activity Frames: Deterministic Screen-Activity Compilation for Agent Memory and Replay

本文提出Activity Frames，一种确定性、零模型的管道，将被动捕获的屏幕活动编译为类型化活动帧，用于agent记忆。该方法在无模型参与下将原始捕获流分段，生成字节一致、可缓存、可审计的上下文块。在128,756帧的语料上，一天数据压缩86倍，仅需68ms，agent阅读后回答准确率达98.4%，优于LLM摘要（66-80%）。此外，该编译器还可作为成本模型工具，测量了Routine Overhead Ratio（R）和例程复发率（h），为agent成本估算提供实际参数。

1. 直接启发我的导购agent：导购场景中用户重复执行类似操作（如浏览商品、对比参数），Activity Frames提供了一种轻量级方案，将用户过往行为编译为结构化记忆，让agent可快速回放用户常用路径，减少重复推理成本，提升响应速度与个性化。
2. 改变技术选型判断：此前我倾向于用LLM总结用户历史（对话+行为）作为记忆，但论文显示LLM摘要准确率在66-80%，而确定性编译可达98.4%。对于依赖高精度记忆的导购场景，可考虑混合方案：用确定性帧记录关键操作，LLM仅在需要推理时调用，降低token消耗并提高可靠性。
3. 下一步行动：我会阅读论文全文，重点研究其框架定义和编译细节，评估是否能在现有情报平台中实现轻量级版本，用于记录我自己的研究操作（如搜索、阅读），为个人agent提供可回放的记忆。同时，关注后续是否有工具或库发布，以便快速集成到项目中。