Контекст AI-агента превратили в SQL-запрос с EXPLAIN ANALYZE

MatrixOrigin и Tsinghua представили ContextPipe — систему, которая собирает промпт агента как СУБД выполняет запрос.

Источники контекста описываются в каталоге: история, память, скиллы, схемы инструментов и результаты их вызовов. Для каждого указаны приоритет, стоимость загрузки, ожидаемый размер и возможность восстановления.

Перед обращением к LLM система строит план, а затем может:

🔘 убрать ненужные схемы инструментов;
🔘 свернуть старые результаты;
🔘 вынести большие данные на диск;
🔘 переставить блоки ради кеша;
🔘 записать все решения в аналог EXPLAIN ANALYZE.

В предварительном тесте объём контекста снизился примерно на 30%, число вызовов LLM — на 23%, время — на 9%.

Для тебя здесь важен подход: сборка промпта становится отдельным наблюдаемым слоем, а не набором конкатенаций и случайных правил внутри агента.

Но результат получен всего на трёх задачах SWE-bench Pro. Кроме того, перестройка промпта снижала попадания в кеш, поэтому у провайдера с очень дешёвыми кешированными токенами итоговый счёт мог даже вырасти.

Пруф: исследование ContextPipe от 1 сентября 2026 года

#aiagents #contextengineering #llmops #promptcaching #databases #swebench

@data_engi