上下文工程如何处理长上下文和超长对话？

1. 压缩与摘要

• 当窗口接近容量上限时，对完整轨迹做摘要，保留架构决策、未决缺陷与实现细节，丢弃冗余工具输出
• 摘要可采用递归或分层方式，也可在智能体交接点、工具调用后做针对性压缩
• 压缩的艺术在于选择保留什么、丢弃什么，过于激进的压缩可能丢失后期才显现关键性的微妙上下文

2. 裁剪与清理

• 轻量级做法是剪枝：移除较早的消息、清理已处理工具调用的原始结果
• 工具结果清理是最安全、最轻量的压缩形式之一：工具调用完成后，原始结果无需再占窗口
• 部分平台提供自动压缩能力，当上下文超过阈值（如 95% ）时自动触发

3. 外置与按需读回

• 把长程状态、计划、进度写入文件或外部存储，必要时读回，而非全部留在活动窗口
• 结构化笔记（如 NOTES.md 、ROADMAP.md ）让智能体跨数十次工具调用保持关键上下文与依赖
• 子智能体架构把深度探索放在各自独立窗口中进行，只把浓缩结论（通常千余 token ）返回主智能体