本文研究了长期运行的智能体（agent）在上下文压缩（context compaction）过程中，安全护栏（safety guardrail）如何因单一周期的自我摘要（self-summarization）而失效。长期智能体通常需要周期性地压缩上下文，将原始对话记录替换为模型生成的摘要。近期研究（Governance Decay，Chen 2026）表明，在压缩过程中丢弃持续性的安全约束会导致多种模型出现行为违规。本文则聚焦于更细粒度的问题：在单一压缩周期内，一条安全规则是如何被丢失的，以及这对检测与评估有何意义。核心发现是：存在性检查（presence check）并不等同于安全性检查（safety check）。当压缩过程并未彻底丢弃一条规则时，常常会留下一个“看起来像规则但行为上不像规则”的退化残留（degraded residue）。在行为回放（behavioral replay）测试中，这种残留会导致模型执行被禁止行为的频率远高于完整焊接（intact welded）的规则；在两种回放模型下，全场景差异分别达到+34分和+57分（均为正向）。类别级（category-level）的存活表现类似于残留，甚至完整的规则有时也无法触发（fail to fire），因此仅检查文本存在的审计会产生虚假的安全感。进一步的分析表明，规则形式（rule-form）的条目比显著性匹配的事实（prominence-matched facts）被保留的频率高得多——这正是为什么基于存在性的检查会让人觉得足够，尽管“存活”并不等于“受到保护”。文本丢失的模式是依场景而定的：在单一规则下表现为“焊接或丢弃”（weld-or-drop），在更紧的预算下则表现为退化的谓词丢失（predicate-loss residues）；本研究未观察到假设中的文本切断（textual severing）模式。这种丢失在运行时是静默的，只有通过与保留的外部地面真值（如约束注册表）进行比较才能发现，而这种比较只能揭示文本缺失，无法判断存活的规则是否仍能触发。本文还记录了评估陷阱：若仅依赖LLM裁判的标签，会得出相反的结论。所有实验结果均针对单个压缩周期。