模块七 · 记忆 · 第 2 页
上下文压缩：
四层防线
拖动滑块模拟对话增长 → 观察压缩如何延长上下文寿命
模型上下文窗口 =
256K
Token
安全空间 =
200K
（预留 56K 给模型回复）
60% 裁剪
75% 微压缩
85% 折叠
95% 紧急
安全上限
累计产出
0K
当前上下文
0K / 200K
已压缩节省
0K
对话开始
持续对话 →
▶ 自动演示
重置
四层压缩策略
安全区间
第一层 · 裁剪 Snip
120K（60%）
-36K
删掉早期工具返回的超长原始数据，只保留摘要。用户
完全无感
。
压缩前
天气 API 返回 1200 Token 的 JSON：未来 7 天逐小时预报……
→
压缩后
工具摘要：北京明日多云 12-20°C（80 Token）
第二层 · 微压缩 MicroCompact
150K（75%）
-50K
把早期的长对话生成简短摘要替换。
轻微信息损失
，关键信息保留。
压缩前
第 3 轮："那个文件不是 PDF 格式的，我需要 Word 版本，标题改成……"
→
压缩后
摘要：用户要求 Word 格式、改标题、调配色
第三层 · 折叠 Collapse
170K（85%）
-80K
将多轮早期对话折叠成一条摘要消息。
细节丢失
，但主线保留。
压缩前
第 1-8 轮（12 条消息，4200 Token）：讨论需求、确认方案、修改三次……
→
压缩后
会话摘要：React + TS 项目，当前修改报表页（350 Token）
第四层 · 紧急压缩 AutoCompact
190K（95%）
-110K
全面压缩：只保留 system + 全局摘要 + 最近 3 轮。
明显信息损失
，但避免崩溃。
压缩前
20 轮完整对话（38 条消息，18000 Token）
→
压缩后
system + 摘要 + 最近 3 轮（2500 Token）
📌 设计决策：
拖动滑块观察：没有压缩的话，200K 的上下文只够一次长对话。有了四层压缩，同样的窗口可以支撑 5 倍以上的对话量。
Takeaway
模型窗口 256K，安全空间 200K。四层压缩像防洪堤——每次快满时自动泄洪降水位，让同一个窗口承载远超 200K 的对话量。直到真的删无可删，才会超限。