gogo-agent

上下文工程——记忆自动压缩

本页原始导出仅包含标题。以下内容依据章节主题补充为工程实践指南;涉及具体项目参数时,请以实际代码与配置为准。

TL;DR

本页原始导出仅包含标题。以下内容依据章节主题补充为工程实践指南;涉及具体项目参数时,请以实际代码与配置为准。

本页原始导出仅包含标题。以下内容依据章节主题补充为工程实践指南;涉及具体项目参数时,请以实际代码与配置为准。

本章目标

在会话接近上下文上限前,将历史压缩为保留事实、决策和未完成事项的可恢复摘要。

核心设计

  • 基于阈值触发
  • 摘要采用结构化字段
  • 原始记录仍可追溯

落地步骤

  1. 保留用户偏好、已确认事实、工具结果和开放问题
  2. 摘要生成后做事实一致性校验
  3. 记录摘要覆盖的消息区间和生成版本

常见风险

  • 摘要丢失否定条件和时间信息
  • 多次压缩导致语义漂移
  • 敏感数据在摘要中长期保留

验收标准

实现完成后,应能用可复现的测试或运行轨迹证明:主流程结果正确,异常路径能够安全终止或恢复,权限和敏感信息没有越界,并且关键延迟、成本与失败原因可以被观测。

版本提示

模型、框架与接口会持续变化。涉及版本号、参数与生产配置时,请在实践前对照对应官方文档。

LLMentor系统化学习大模型应用工程

内容来自个人课程知识库备份,并经过结构化整理。技术版本持续演进,生产使用前请结合官方文档验证。