Codex的滚动窗口上下文在GLM5.3亦适用，附10项DeepSWE测试报告

# Codex最新滚动窗口上下文机制在GLM5.3测试报告

## 主要观察

本次比较Pi Native 原生压缩、Pi Smart Compact 与 Codex滚动窗口的Pi实现 在DeepSWE Bench中表现。

滚动窗口指的是在切换前保存 Notes，切换后读取检查点，必要时通过 History 回查旧对话，实现完全复刻自Codex开源代码，并加入了我对OpenAI服务端实现的猜测，因为OpenAI的服务端代码不开源。

共有10项任务取得完整有效的三组结果，另有1项因滚动组异常而不计入总比较。以下结果仅适用于GLM 5.3，上下文召回场景受模型后训练影响非常之深，换一个模型需重测。

- 滚动窗口的上下文重置次数更少，且多数任务耗时较短。 10项任务共轮换18次，对应Native压缩30次、Smart配置组压缩27次；滚动窗口在 6/10 任务中Agent耗时最短。猜测任务解决更快的原因是在切换上下文窗口时，滚动窗口机制相比压缩，上下文召回更快。

- 完全未观察到滚动窗口导致普遍、明显的任务质量下降，部分场景反而更好。 相比Native，滚动窗口新增测试通过数为3项更高、6项持平、1项较低；相比Smart为4项更高、4项持平、2项较低。完整通过任务数为滚动窗口6/10、Native 4/10、Smart 4/10。反例包括HTTPX流式JSON与HTTPX multipart，说明滚动窗口并非每个场景都更好。

- Notes通常足以完成恢复。 18次轮换共成功写入Notes 34次，只调用History 2次，说明模型通常不需要反复读取完整旧对话。所有有效三组的原有测试均全部通过，质量差异主要集中在新增需求实现完整度。

每任务每方案仅运行一次，以上仍是小样本观察。Smart Compact配置为 auto，已核查到的Smart执行模式为 fast，同时存在回退及未标明Smart模式的事件，不能将其视为全部fast或纯EESV实验。

## 图表

### 上下文重置次数

### 完整通过任务数

## 任务结果

表中通过数为新增功能测试；所有已完成组的原有测试均全部通过。耗时为 Agent 执行墙钟时间（含API排队、工具执行，不含容器准备和Verifier），不是纯模型生成时间。

## 项目链接与致谢

- Smart Compact（本次测试版本）：[yu1745/pi-smart-compact]

- 我的 OpenAI Toolkit Fork：[yu1745/pi-openai-toolkit] 感谢上游：[awoaCrim/pi-openai-toolkit]· 作者：[awoaCrim] 预先完成的所有工作