Bei agentenbasiertem Coding mit llama.cpp entsteht ein häufiges Performance-Problem: Tools wie opencode modifizieren die Konversationshistorie (z. B. um den Kontext zu komprimieren oder Reasoning-Tokens zu entfernen), woraufhin llama.cpp den gesamten Kontext neu verarbeiten muss. Bei typischen Agentic-Coding-Sessions mit 70k+ Tokens führt das zu spürbaren Wartezeiten und der Meldung „forcing full prompt re-processing...". PR #22929 von Nutzer jacekpoplawski adressiert dieses Problem auf Ebene der Checkpoint-Erstellung im llama.cpp-Server: Statt immer den worst case (vollständiges Reprocessing) zu triggern, soll der Fix sicherstellen, dass llama.cpp nur den tatsächlich veränderten Kontextabschnitt neu verarbeitet. Der Autor berichtet, den Fix zwei Wochen lang in der Praxis getestet zu haben, mit spürbar besserer Reaktionsfähigkeit bei Agenten-Workflows. Als Workarounds ohne den Fix nennt er den Wechsel zu Tools ohne Kontext-Rewriting (z. B. pi statt opencode) sowie die Option „preserve thinking" bei Modellen wie Qwen 3.6, um das Entfernen von Reasoning-Tokens zu verhindern.