用途：Latent Briefing 用于分层多智能体系统，解决 orchestrator 与 worker 之间重复传递上下文导致的 token 成本问题。它不在文本层做摘要或检索，而是在 worker 模型的 KV 缓存中压缩 orchestrator 轨迹，只保留与当前 worker 任务最相关的位置。
主要能力：基于 Attention Matching（AM）KV 缓存压缩，并针对推理时多智能体交接做了三项调整：使用当前 worker 任务提示生成任务引导的查询向量；将各层各头的分数聚合为共享的全局 token 掩码，便于批处理；采用 median + tau * MAD 等稳健阈值而非固定 top-k。公开资料报告在长文档问答负载上可显著减少 worker token、节省总 token，压缩开销为低个位数秒，但属特定负载证据，非通用保证。
使用方式：适用于可控制 worker 推理运行时、能检查或改写 KV 状态的 orchestrator-worker 或 supervisor-specialist 系统。理想设置是 worker 为 orchestrator 轨迹维护持久 KV 状态，新轨迹 token 扩展该状态，生成当前子任务前执行压缩。需先定义共享记忆边界，决定哪些内容进入轨迹缓存，并在验证数据上同时跟踪任务准确率、worker token、总 token、保留率和压缩开销。
适用场景：递归或 REPL 式系统中 orchestrator 反复调用 worker 检查证据、验证假设或回答子问题；评估替代 LLM 摘要或 RAG 的跨智能体状态传递；研究 KV 缓存压缩作为推理原语；调试递归、分层或工具密集智能体图中的 token 爆炸。
限制：仅适用于能访问内部 KV 张量的运行时，纯 API 栈无法直接实现；假设 orchestrator 轨迹可在 worker 模型空间中表示，若分词器、架构或注意力布局差异大，直接共享可能不可行；阈值依赖负载，过激压缩可能导致准确率骤降；公开基准集中在长文档问答，代码生成、数学和多文档合成可能表现不同；orchestrator 随机性可能掩盖压缩效果，需与强文本层基线对比。