大型語言模型（LLM）代理正越來越多地被用於操作瀏覽器、檔案、程式碼和工具，這使得個人助理成為自然的部署目標。然而，個人代理面臨著隱私、成本與能力之間的緊張關係：雲端模型能夠很好地執行多步驟工作流，但會將敏感的中間上下文暴露給外部API；而本地模型雖然保護了隱私，但可靠性較差。此外，兩種場景都需要為冗長的技能提示和不斷增長的歷史記錄反覆付費，這在實際部署中是一個顯著的經濟負擔。
針對這一問題，來自研究機構的研究人員提出了恆定上下文技能學習（Constant-Context Skill Learning）框架。這是一種新穎的上下文到權重轉換方法，專門用於處理重複出現的代理工作流。其核心思想是：將可重複使用的程式學習為輕量級的任務族模組，而在推理時僅依賴於當前的觀察結果和一個緊湊的狀態塊。這個狀態塊由一個確定性跟蹤器根據任務進度動態生成，該跟蹤器同時提供對齊的子目標獎勵訊號。這使得每個模組可以透過步驟級監督微調（SFT）進行訓練，並進一步透過線上強化學習（RL）進行最佳化。
在實驗部分，研究人員在三個具有代表性的基準測試上評估了該框架：ALFWorld（家居任務）、WebShop（線上購物）和SciWorld（科學實驗）。他們使用了多種基礎模型，包括Qwen3-4B、Qwen3-8B和Llama-3.1-8B。實驗結果顯示，該框架在所有模型上都取得了強勁的效能。以Qwen3-8B為例，結合SFT和RL的方法在ALFWorld上達到了89.6%的未見任務成功率，在WebShop上達到76.8%，在SciWorld上達到66.4%。這些結果不僅達到了已發表的最強代理訓練結果，甚至有所超越。更重要的是，與受控的ReAct提示基線相比，每輪提示令牌數減少了2至7倍，這充分說明過程性上下文可以從提示中轉移到模型權重中，從而大幅降低成本。