零模型屏幕活动编译：Agent记忆压缩86倍且准确率达98%
Nossa Iyamu · hf · 2026-08-08
提出了一种名为 Activity Frames 的确定性屏幕活动编译方法，旨在解决计算机使用型 Agent 依赖昂贵推理来重复推导用户已执行操作的问题。
该方法通过零模型流水线，将屏幕捕获流分割为带有应用、时间、输入量等信息的活动帧：
- 极致压缩：在 51 天的 12.8 万帧真实数据测试中，将一天的原始记录压缩了 86 倍，处理仅需 68 毫秒。
- 高准确率：Agent 读取压缩块回答日常问题的准确率达 98.4%，远超 LLM 摘要的 66-80%，且让中端模型达到了前沿模型的理解水平。
- 成本评估：首次测得并量化了 Agent 委派任务的成本参数（日常开销比例 R 和任务复现率 h），指出真实全量 Token 消耗上限接近 8%。
项目的 Schema、编译器和评估工具均已开源。
「编程与Agent」频道最新
- 汇总 50+ Claude Code 实用技能：覆盖测试驱动开发与调试 — tom_doerr · 2026-08-08
- 三步将任意大模型封装为本地 OpenAI 兼容接口 — JeremyCMorgan · 2026-08-08
- AI Agent 重构产品实例：Harmonic 借 Deep Agents 将留存率提升四倍 — LangChain · 2026-08-08
- 图解 SSH 隧道：本地与远程端口转发实战指南 — HankYeomans · 2026-08-08
- 告别终端！社区推开源 Grok Build 桌面端应用 — PawelHuryn · 2026-08-08
- Claude Code 将默认开启 Auto 模式，危险命令拦截率达 89% — DrDatta_AIIMS · 2026-08-08