flowctx 上下文引擎 · 评测结果

SWE-bench Verified · 40 题 · 被测 bench-openai-xiaomi-mimo-v2-5-pro · Judge claude-opus-4-8

① 逐题 Prompt Tokens 曲线 — off vs on

共享会话下上下文逐题累积：flowctx:off 无压缩，prompt tokens 从 ~49k 单调涨到 ~374k；flowctx:on 折叠后被压回、稳定在 ~100–170k。off 隔离会话每题独立、无累积，~45k 作对照。横轴 = 40 题（已做移动平滑）。

off · 共享会话（累积、无压缩） on · 共享会话（run #2，折叠后） off · 隔离会话（无累积基线）

每题的点 = 该题跑完后的 prompt tokens 值（非起始值）；共享会话下它反映到该题为止累积的上下文规模。第 1 题起点相近（off共享 49k / on共享 52k / off隔离 48k）是因为都才跑完首题、尚未累积。数据源：off_shared 20260708T125312Z、on_shared run#2 20260710T170648Z、off_isolated 20260708T081538Z 的逐题 run.json（agentMeta.promptTokens）。平滑：5 点移动平均，端点缩窗。

② flowctx:on — 折叠事件与逐 turn 入模量（summary_combined）

flowctx 开启后，原始 transcript 越过 100k 门控即触发折叠（leaf 叶汇总 / condense 上卷 d1）。竖线顶=折叠前 raw、底=折叠后入模；面积线=逐 turn 组装后入模 est（被压回门控内）。展示 on 共享 run #2（20260710T170648Z）。

逐 turn 入模 est（组装后） leaf 折叠（d0 叶） condense 上卷（d0→d1） 100k 门控

③ off vs on 对比 — KV Cache 命中率、Token 节省、解决率

on = 两次共享 run 的平均；节省对比基准 = off 共享会话（同为累积上下文口径）。解决率统一用 /40 口径。

flowctx:off（共享） flowctx:on（两次均值）

KV Cache 命中率 = usage.cacheRead / (cacheRead + input) —— 一题内所有 LLM 调用的加权平均命中率（越高=越多 prompt 命中缓存、少走全价 input）。off 共享与 on 均在 ~94–96% 高位，flowctx 折叠重写摘要节点会略微降低命中率（改写内容需重算），但代价极小。总 Token = usage.total 每题累计。解决率为 /40 口径（分子=判定 resolved 的题数，分母固定 40）。