ContextPilot

ContextPilot 是腾讯最新开源的一个强化学习框架，教会 AI Agent 主动规划、结构化记忆和软卸载上下文。针对长程任务中上下文无限膨胀的痛点，ContextPilot 让模型学会像人类整理办公桌一样，自主决定“何时记、何时忘、何时归档”，从而在大幅压缩实际 Token 用量的同时，显著提升长上下文问答与深度搜索的性能。

基于该框架训练的 Qwen3-14B 模型，仅凭 32K 上下文窗口便超越了原生 128K 窗口的基座模型，且实际使用的 Token 数量大幅减少。

核心机制：教 Agent 学会“整理”

ContextPilot 并非简单地截断或摘要，而是赋予模型一套完整的上下文管理工具链与决策能力：

1. 扩展上下文管理工具箱

除了常规的搜索/删除/摘要，新增了三大核心工具：

• 规划工具 (Planning)：强制模型在执行前先列提纲，按步骤有序操作，避免盲目堆砌信息。
• 长期记忆 (Structured Memory)：将关键信息存入结构化档案（保险柜），支持精准调取，而非依赖脆弱的即时上下文。
• 软上下文卸载 (Soft Offloading)：将暂时不用的内容归档到“抽屉”而非直接删除，需要时可无损恢复，平衡了紧凑性与完整性。

2. 上下文感知的部分展开 (Partial Unfolding)

训练时不再对所有操作一视同仁。系统会智能判断哪些编辑动作对最终结果影响最大，仅对这些敏感的上下文编辑决策进行深度探索，其他普通操作则快速略过，极大提升了训练效率。

3. 细粒度信用分配 (Fine-grained Credit Assignment)

摒弃“只看最终成败”的粗犷奖励模式。系统会分析每一个中间编辑动作对后续分支的影响，给真正有用的整理动作“发奖金”，给拖后腿的动作“扣钱”。这让模型能精确学会哪些信息该留、哪些该扔、哪些该归档。

性能表现

在长上下文 QA 和深度搜索任务上的实验表明，ContextPilot 实现了“更紧凑、更强悍”的双重突破：

为什么这很重要？

• 打破“窗口越大越好”的迷思：证明了通过智能管理，小窗口也能胜任大任务，降低了推理成本与延迟。
• 从“被动填充”到“主动治理”：Agent 不再是上下文的奴隶，而是成为了自己工作空间的主人，具备了元认知能力。
• 可迁移的范式：虽然当前基于 Qwen3-14B 验证，但其 RL 训练方法论适用于各种基础模型，为长程 Agent 开发提供了通用解法。