Context Compaction
上下文压缩
上下文压缩会把较早的对话状态换成较小的项目，让长任务可以继续。这个项目不一定是看得懂的摘要，也可能丢失细节。
history → compact item → continuity check在模型上限前触发编程智能体快碰到模型的上下文上限。系统压缩较早轮次，但保留目标、决定、已改文件和未解决的错误。目标・文件・错误不透明项目 C7C7 ＋ 新输入history → preserved state + compact item → continuity checkOPS另一个例子
编程智能体快碰到模型的上下文上限。系统压缩较早轮次，但保留目标、决定、已改文件和未解决的错误。
主要部分
- 01压缩触发条件
- 02原始对话记录
- 03必须保留的状态
- 04压缩后项目
- 05后续轮次输入
- 06继续任务检查
什么时候用
需要保留的上下文快碰到模型上限时，可以使用。接着要确认下一轮仍能完成任务。
什么时候不要用
不要把压缩项目当作完整记录。权限、精确数值、未完成任务和来源证据要另外保存。
代码里的名称
history → preserved state + compact item → continuity check 上线前要检查
检查模型与提示词版本、参考数据、有版本号的评估集与指标。验证答案能否连回来源证据，也要检查工具权限与隐私。再检查常见失败、拒答、安全备用做法与人工复核。也要检查监控、成本、速度与恢复方式。
预期结果：使用或评估 上下文压缩 (Context Compaction)，让 AI 行为可以衡量，也能连回证据。 用户场景：编程智能体快碰到模型的上下文上限。系统压缩较早轮次，但保留目标、决定、已改文件和未解决的错误。 AI 方法或概念：上下文压缩 (Context Compaction)。 适用理由：需要保留的上下文快碰到模型上限时，可以使用。接着要确认下一轮仍能完成任务。 不应使用的情况：不要把压缩项目当作完整记录。权限、精确数值、未完成任务和来源证据要另外保存。 AI 要求：定义输入与参考证据。设置模型和工具权限。使用有版本号的评估数据与指标。说明失败、拒答、隐私、速度与成本限制。 运营防护：保留可查询记录，并隐藏其中的敏感数据。提供用户看得懂的安全备用做法。标出必须由人工复核的步骤，并定义模型或提示词的恢复方式。 验收标准：在有版本号的评估集上记录当前基线与目标。测试边界案例与恶意输入。验证安全备用做法、监控、权限与恢复方式。 证据与限制（证据边界）：它只代表该来源的官方说法。其他平台或团队可能有不同用法。 待确认：目标任务、模型与版本、评估负责人、参考数据、风险阈值、工具权限，以及生产环境的安全备用做法。
检查这份需求
请 AI 编程助手检查当前如何使用 上下文压缩 (Context Compaction)。 定义：上下文压缩会把较早的对话状态换成较小的项目，让长任务可以继续。这个项目不一定是看得懂的摘要，也可能丢失细节。 生产环境检查：检查模型与提示词版本、参考数据、有版本号的评估集与指标。验证答案能否连回来源证据，也要检查工具权限与隐私。再检查常见失败、拒答、安全备用做法与人工复核。也要检查监控、成本、速度与恢复方式。 修改程序前，先列出看到的证据、缺口、严重程度，以及最小且安全的修正。