智能体上下文压缩

智能体上下文压缩，是用结构化检查点替换较早的对话历史，同时保留模型继续工作所需的近期消息。它不是简单截断，而是一次可持久化、可观测的运行时状态转换。

五阶段机制

1. 估算：优先使用模型供应商返回的 token 用量，并为下一次回答和工具输出预留空间。
2. 选择切点：从最近消息向前回溯，在合法的用户或助手消息边界切分。
3. 生成摘要：保存目标、进展、关键决定、待办事项和相关文件。
4. 重建上下文：用压缩检查点替换旧历史，再拼接保留的近期消息。
5. 记录结果：输出压缩前后 token、触发原因、摘要数量、保留数量和异常信息。

切点不能把工具调用和工具结果拆开，否则重建后的对话协议会失去语义完整性。

运行时位置

自动压缩适合发生在一个回合结束后、下一次模型请求前。手动压缩可以复用同一实现，只改变触发方式。压缩检查点应进入智能体会话持久化，恢复会话时再作为明确的摘要消息注入。

设计原则

• 未知上下文窗口大小时，不要凭猜测触发阈值压缩。
• 保留近期消息尾部以及关键决定、约束和文件信息。
• 压缩失败时保留现有上下文，并通过事件暴露异常。
• 测试多轮重复压缩后，早期关键约束是否仍然存在。
• 把压缩率、失败率和触发原因纳入可观测性。

上下文压缩牺牲逐字证据换取可用容量，因此应与长上下文失效模式、上下文工程和智能体成本控制一起设计。