章末自测
题目 1:Context Window、Input Token、Output Token 三者是什么关系? 请用一个“总窗口 100K、Input 80K、希望输出 10K”的例子解释为什么不能只看 Input 有没有超过 100K。 Context Window ...
Context Compaction:让 Agent 学会“压缩记忆”
上一节我们已经把一个长期运行 Agent 最现实的问题看清楚了:Context Window 是有限资源,而 Agent 会不断往里面塞入新的用户消息、模型消息、Tool Result、代码文件、运行日志、异常信息、SQL ...
小节一:Context Compaction 到底压缩什么——先区分“历史细节”和“当前决策所需信息”
Context Compaction 最容易犯的第一个错误,就是把所有内容一视同仁。 但实际上,Context 里的不同信息生命周期完全不同。 第一类:绝对不能因为历史太长就随便删掉的内容 这类通常包括: Syste...
小节二:实现 compact_context()——旧消息压缩、最近消息保留、规则稳定注入
正式写代码前,先把执行流程在脑子里过一遍。下面这张流程图把 compact_context() 从输入 messages、判断阈值、提取必须保留内容、截取最近几轮、生成摘要、重建新 Context,到写入 build re...
小节三:Tool Result、日志、异常和代码怎么压缩——不同内容不能一刀切
这一节非常适合边看图边往下读。因为真正做工程时,最容易踩坑的地方就是“所有内容都用同一种摘要方式处理”。但 Tool Result、Log、Traceback、Code、search_files 命中结果,它们的结构和用...
小节四:把 Compaction 接入 ContextBuilder——什么时候触发、怎么重建、怎么验证没压坏
前面我们分别讲了“压什么”和“怎么压”,到这一节就要真正接进 ContextBuilder 里了。下面这张图把触发条件、ContextBuilder 内部的拼装块,以及最终送给 LLM 的 Context 全部放在了一起,看...
案例分析一:Coding Agent 运行 40 步,如何压缩而不丢失“禁止修改 tests/”?
这个案例很典型,也很适合配合图来看。因为很多 Agent 在长对话里出问题,不是不会写代码,而是把用户最重要的硬约束压没了。下面这张图把错误压缩方式和正确压缩方式放在了同一页里,对比会特...
案例分析二:Data Analysis Agent 的 SQL Result 应该如何压缩,才能既省 Token 又不丢分析链路?
数据分析类任务里,最常见的问题不是“没有结果”,而是结果太大,直接把上万行 SQL 输出塞进 Context 根本不现实。所以真正关键的,不是保留所有原始行,而是把它压成仍然利于分析继续推进的结...
章末自测
题目 1:为什么 messages[-20:] 不能等价替代 Context Compaction? 请从项目规则、用户硬约束、历史结论和最近消息四个角度说明,并给出一个更合理的上下文重建结构。 messages[-20:...
Long-term Memory:让 Agent 跨 Session 记住信息
前面几节,我们已经把 Agent 的“短期记忆”体系逐步搭起来了。 我们先有: Conversation History 用来记录,“过去发生过什么。” 然后有: Working Memory 用来记录,“当前任务最重要的认知...













