AIOS Context Compiler

模型越来越强，Agent 仍会用错上下文

问题不只是 Token 太多，而是外部知识没有在正确时间，以正确粒度进入正确的模型调用。

规则、历史决策和失败经验明明存在，Agent 仍会错过，甚至不知道自己缺少信息。

AGENTS、Skills、Memory、工具定义和历史会话不断常驻，模型读得更多，却不一定做得更对。

每轮真实上下文不可见，用户无法判断失败来自模型、检索、旧知识还是执行过程。

AIOS 不把所有文件直接拼进 Prompt。它提供受控流程和源文件，模型负责判断与蒸馏，系统负责隔离、追溯和验证。

只看用户消息、极简环境和源文件目录，形成任务契约、关键假设与读取计划。

只读取计划选中的文件片段，编译为短而可追溯的 Task Context Package。

新执行阶段只接收任务、编译结果和按需工具；每轮输入、Token 与结果完整留痕。

我们审阅了多种 Agent 工具的真实对话与执行轨迹，并用真实模型验证了上下文精简与隔离的价值。

30 / 30对实验 Token 全部下降

-50.8%平均总 Token

23.3% → 6.7%信息泄漏率

下一道真正的技术关：现有结果来自人工冻结的最小 Context Package。现在要把它升级成自动意图判断、文件选择和上下文编译，并继续验证复杂任务的一次成功率。

可以先从一次设计评审或两周可证伪原型开始，再决定开源共同维护、项目制合作或长期合伙。