代理上下文破解：通过自适应结构化非结构化数据实现高效的数据推理代理

研究人员提出 Agentic Context Cracking 方法，通过自适应结构化非结构化数据，将推理成本降低 53% 且保持准确率。该方法利用 cracking sub-agent 从已加载上下文中提取服务于未来查询的结构化信息，使部分查询无需打开文档即可回答。在 FanOutQA 基准测试中，扩展相关问题后，该方案相比理想预结构化存储节省 28X 成本，并显著缩小因文档发散导致的成本差距。此技术被视为下一代非结构化数据推理基础设施的第一步，旨在构建让推理已揭示知识得以积累的共享底层结构。