一分钟读论文：《子 agent 别写总结，直接交证据》
内容提要
ServiceNow 论文比较三种对话检索架构：持久检索子代理跨轮保留历史并直接回传原始证据，相比主代理自行检索，在多轮场景下节省 43.3% token、45.0% 成本，准确率仅下降 1.45 个百分点；但相比无状态子代理，它反而多用 41.4% token，只因缓存输入单价较低才未推高成本。消融实验显示，不让子代理写总结比保留历史更省钱。结论基于其自有工单集，不宜泛化。
延伸解读
省 token 与省钱是两本账
文章揭示了一个关键区别：持久检索子代理相比无状态子代理反而多用 41.4% 总 token，但成本并未更高，原因在于缓存输入单价仅为未缓存输入的十分之一。这意味着评估检索架构时，不能只看 token 消耗量，还要看 token 的构成——缓存命中率高的方案即使总量更大，账单也可能更低。读者在选型时应同时核算 token 用量和实际计价结构，避免被单一指标误导。
消融实验指向真正的成本大头
消融实验拆开两个机制后发现：去掉“直接回传证据”让子代理改写总结，成本上浮 42%；而去掉“持久历史”仅上浮 8%。前者代价是后者的 5.3 倍，且三种配置准确率都停在 89.85%。这说明省掉子代理的中间总结生成，比保留跨轮历史更能省钱。持久历史的价值主要体现在复用——同一子代理跑完 69 题只做了 23 次元数据查询和 59 次 Cypher 查询，远少于主代理自行检索的 36 次与 85 次。
结论的适用边界需留意
论文作者 5 人全部来自 ServiceNow，实验跑在自家 agent harness 和自有企业工单集上，数据集规模为 57 题、48 题和 69 题，每组配置跑 3 次取均值。准确率下降 1.45 个百分点仅出现在 69 题多轮依赖集上，且是 GPT-5.4-mini 裁判判定的宽松通过率，并非严格准确率。所有美元数字都是按录制 token 乘公开牌价的估算，不含检索服务与裁判调用。因此结论不宜泛化为所有 agent 场景。
Q&A
ServiceNow 论文中比较了哪三种对话检索架构？
论文比较了三种架构：1）skill 内检索（主 agent 自己检索）；2）无状态检索子代理（每次使用新历史，返回一段 findings 总结）；3）持久检索子代理（跨轮保留检索历史，并将原始证据直接交回主 agent）。
持久检索子代理相比主 agent 自行检索，在成本和 token 上能节省多少？
在 ITSM Complex 多轮场景下，持久子代理比 skill 内检索节省 43.3% 的 token 和 45.0% 的成本（按公开牌价估算），响应时间也从 58.3 秒降到 54.3 秒。跨 5 个多轮设置加权平均，每题节省 $0.157，速度快 9.1%。
持久检索子代理的准确率损失有多大？在什么场景下出现？
在 ITSM Complex 多轮依赖集上，准确率从 91.30% 降至 89.85%，下降 1.45 个百分点。该数字仅出现在 69 题多轮依赖集上，且是 GPT-5.4-mini 裁判判定的宽松通过率（得分大于 0 且判为一致即算通过），并非严格准确率。单轮场景下准确率打平甚至反超。
为什么持久检索子代理比无状态子代理多用 token 却不一定更贵？
持久子代理跨轮保留历史，导致输入 token 增加，在 ITSM Complex 上比无状态子代理多用 41.4% 的总 token。但缓存输入单价仅为未缓存输入单价的十分之一（$0.25/百万 token vs $2.50/百万 token），存进缓存的历史几乎不增加成本，因此账单并未显著上升。
消融实验发现，子代理写总结和保留历史哪个更影响成本？
消融实验显示，去掉“直接回传证据”让子代理改写 findings 总结，成本上浮 42%、慢 17.7 秒；而去掉“持久历史”仅上浮 8%、慢 4.3 秒。前者代价是后者的 5.3 倍，且三种配置准确率都停在 89.85%。因此，不让子代理写总结比保留历史更省钱。
这篇论文的结论可以推广到所有 agent 系统吗？
不宜泛化。论文作者 5 人全部来自 ServiceNow，实验跑在自家 agent harness 和自家企业工单集上（ITSM 57 题、HRSD 48 题、ITSM Complex 69 题），所有 $ 数字是基于录制 token 乘公开牌价的估算，并非真实账单，也不含检索服务与裁判调用。因此结论仅适用于类似场景，不能直接推广到所有 agent。
