上下文压缩

Agent 不能无限追加历史。模型上下文窗口有限，长会话最终会遇到：

• prompt too long。
• 工具结果过大。
• 图片或附件过多。
• 旧信息干扰当前任务。

Claude Code 对这个问题做了很多层处理，包括 auto compact、microcompact、session memory compact 和 reactive compact。

在 query.ts 里，模型调用前大致会经历：

getMessagesAfterCompactBoundary()
  -> applyToolResultBudget()
  -> snip compact
  -> microcompact()
  -> context collapse
  -> autocompact()

所以 compact 不是一个单点函数，而是一组上下文治理策略。

compact 的本质

压缩不是简单截断，而是把历史转换成一段保留任务连续性的摘要。

压缩前：

几十轮用户消息
几十轮 assistant 消息
大量 tool_result
多个文件内容

压缩后：

compact summary
最近若干轮消息
当前任务相关文件
必要的 system/context 附件

Claude Code 的 CompactionResult 也不是单条 summary。它会包含 summary messages、保留消息、attachments、hook results 等内容，最后由 buildPostCompactMessages() 组合成压缩后的上下文。

为什么不能直接丢旧消息

旧消息里可能包含：

• 用户目标。
• 已经做过的决策。
• 修改过的文件。
• 当前计划。
• 工具调用结果。
• 用户明确偏好。

直接丢弃会让 Agent 忘记任务。

自研 Agent 的第一版 compact

可以先实现一个简单策略：

当估算 token 超过阈值：
  取旧消息
  调用模型生成 summary
  保留 summary
  保留最近 N 轮
  保留当前打开文件列表

伪代码：

async function compactIfNeeded(messages: Message[]) {
  if (estimateTokens(messages) < MAX_CONTEXT_TOKENS * 0.8) {
    return messages
  }

  const old = messages.slice(0, -10)
  const recent = messages.slice(-10)
  const summary = await summarize(old)

  return [
    { type: "system", content: `Conversation summary:\n${summary}` },
    ...recent,
  ]
}

compact 的风险

compact 会引入信息损失。常见问题：

• 摘要漏掉关键文件。
• 摘要改写用户意图。
• 摘要丢失工具调用细节。
• 摘要让后续审计变难。

所以 compact 后仍应保留原始 session log，只压缩发送给模型的上下文。

小结

上下文压缩是长会话 Agent 必备能力，但第一版不要做复杂。先实现“阈值触发摘要 + 最近消息保留 + 原始日志不丢”。