# TACO 让命令行 Agent 自己学会扔掉没用的上下文

> 原标题：TACO: 让 CLI Agent 在自主迭代中学会丢掉无用上下文

- 来源：机器之心 · 公众号
- 发布时间：2026-05-07T02:05:00.000Z
- AX AI 日报：https://ai-daily.ax0x.ai/items/15744
- 原文：https://mp.weixin.qq.com/s?__biz=MzA3MzI4MjgzMw==&mid=2651031726&idx=3&sn=43bc79f6487a4bbfb12e9b76ada48d52

## 摘要

TACO 是一套不用额外训练的命令行输出压缩方法，让模型在执行任务时自己发现哪些终端回显是废话、哪些必须保留。它在 TerminalBench 1.0 和 2.0 上同时提升了任务成功率和 token 利用率，并发现 TerminalBench 2.0 的原始提示里有 24.6% 到 44.1% 的低价值冗余。

## 推荐理由

TACO 让命令行 Agent 在自主迭代中生成纠偏规则并存入全局规则池复用，无需额外训练即可压缩终端回显，在 TerminalBench 1.0 和 2.0 上同时提升任务成功率与 token 利用率。

## 锐评

24.6% 到 44.1% 的终端回显是废话，这个数比方法本身更值钱。跑命令行 agent 的人都知道 context 是被 ls、日志、报错刷爆的，TACO 让模型自己写规则再存进池子复用，不用重训，这个路子对，成本几乎为零。

我唯一存疑的是规则池跨任务复用，terminal 场景换一套工具链规则可能就废了，论文里 >90% 的留存率是在同一批 benchmark 上测的。反正这活儿方向没错，先看有没有人把它接进真跑的生产 agent 里。
