저자들은 세션이 제로에서 시작할 때 발생하는 컨텍스트 손실을 해결하기 위해 에이전트 LLM 시스템을 위한 공유 선택적 영구 메모리를 도입했다. 이 아키텍처는 작업 사양, 데이터 스키마, 도구 구성 및 출력 제약 조건과 같은 재사용 가능한 컨텍스트를 식별하고 유지하면서 세션 고유 추론 트레이스를 폐기한다.
- 메모리 없음 대비 79%, 전체 히스토리 사용 시 71%와 비교하여 세 가지 엔터프라이즈 시나리오 전반에서 작업 완수율 96% 달성.
- 생성된 프로그램과 런타임 데이터를 분리하는 제로 토큰 데이터 새로고침 메커니즘을 구현하여 작업 시간을 14배 단축.
- 요약 기반 생성을 사용하여 원시 데이터 주입 대비 호출당 토큰 비용을 97배 절감.
- 네 가지 공개 데이터셋에서 일반화 가능성을 입증했으며, 제로 토큰 새로고침은 모든 12번의 시도에서 성공함.
이 접근 방식은 중복된 사양 없이 워크스페이스의 협력적 재사용을 가능하게 하며, 단순한 전체 히스토리 영구화로 인한 저하를 피한다.