PAACE: сжатие контекста агента с учётом будущих задач

После 8 шагов исследования у тебя в чате 40 000 токенов: таблицы, цитаты, промежуточные выводы, отвергнутые гипотезы. Модель тонет в своих же записях — важное теряется в середине, внимание размазывается, деньги текут. Парадокс: короткий контекст работает ЛУЧШЕ длинного, но классические методы сжимают «для следующей задачи» — удаляют то что понадобится через 2 шага. PAACE позволяет сжимать контекст агента без потери функциональности в многошаговых задачах. Фишка: показываешь модели план следующих 3-7 задач, а не только текущей. Модель видит цепочку зависимостей («для УТП нужны боли ЦА, для монетизации — юнит-экономика, для бюджета — фичи MVP») и держит транзитивно необходимое, выбрасывая мёртвый груз. Контекст падает в 5-8 раз, результат не меняется — outcome equivalence.