File System as Context

将文件系统视为终极上下文的理念，将其用作无限、持久、可直接操作的外部内存。

背景

现代 LLM 虽有百万级词元窗口，但在智能体场景中仍不够：

• 观察结果可能巨大（网页、PDF）
• 性能超出一定长度会下降
• 长输入昂贵（即使有前缀缓存）

传统方案的问题

压缩/截断策略导致不可逆的信息丢失。智能体必须基于所有先前状态预测下一步，无法预知哪条观察在十步后关键。

文件系统方案

• 将上下文外部化到文件系统
• 智能体按需读写文件
• 文件系统成为结构化外部内存
• 压缩可恢复（如保留 URL/路径，内容可重读）

可恢复压缩示例

• 网页内容可丢弃，只要保留 URL
• 文档内容可省略，只要路径仍在沙箱中

对未来模型的启发

如果 State Space Model (SSM) 能掌握基于文件的记忆，将长期状态外部化，可能解锁新一代智能体（类似 Neural Turing Machines）。

相关概念

• Agent Loop
• Recitation for Attention Manipulation — todo.md 就是文件系统作为上下文的一个应用
• Manus