120 次运行实验比较 Agent 工作交接的五种会话策略

作者用 gpt-6.1-sol 和 DeepSeek V4.1 Flash 进行了两轮、五种策略的 120 次运行实验，结果没有稳定最优的会话策略。完整历史在部分 Sol 分组中更贵更慢，但 DeepSeek 某些分组继承历史反而更快；短摘要也未稳定优于新开。实验中 102 次运行完整合格，后续将按模型、任务和交付要求分别评估，并计入摘要准备成本。