编程基础篇 · 递归与分治

分治：上下文压缩的算法原理

动手实战篇讲过：对话太长装不下时，AI 会做一次 Compaction——把旧对话压成摘要。当时说「像搬家前把杂物打包」，这一课揭开包装纸：它是一个有两千年历史的算法套路，叫分治。上一课的递归是「拆」，这一课补上另一半：「拆完再合」。

亲手压一次 · 3600 token 的装修对话

下面是一段你和 AI 讨论装修方案的完整对话，12 条消息约 3600 token，眼看要把上下文窗口塞爆了。点「开始压缩」，留意三幕动作：先切（分成三段）、再治（每段各自收成一条摘要）、最后合（三条摘要并成一条）——顶部的 token 计数器会告诉你压掉了多少。

当前上下文3600token
切分 → 各段摘要 → 合并，三幕连播
试试打开「保留最近 4 条」再压一次。这正是真实 Agent 的做法：最近几条对话往往就是你正在办的事，最金贵，一个字都不动；只把久远的部分压成摘要。你会看到 token 数没有压到 200 那么狠——保真和省空间，永远在做交换。
概念卡 · 归并排序同款套路

刚才三幕动作有个正式名字：分治（Divide and Conquer）。教科书里它最出名的代言人是归并排序——把一列数切成小段、每段排好、再两两合并。归并排序排的是数，Compaction 压的是话，骨架一模一样：

分

✂️ 切成小块

大问题直接解不动，就切成几个小块。归并排序：一列数对半切到只剩单个。Compaction：长对话按话题或轮次切成几段。

治

🔧 每块各自解决

小块规模小，好办。归并排序：小段各自排好序。Compaction：每段各自摘要——段够短，AI 一口就能读完、总结准。这一步还能并行干，又快一截。

合

🧩 结果合并

把小块的成果拼回完整答案。归并排序：两段有序数列合成一段。Compaction：几条摘要再合成一条总摘要。段还太多？递归再来一轮——上一课的味道回来了。

为什么不一口气让 AI 总结全文？因为「总结一万字」本身就会把上下文塞爆——这不就是我们要解决的问题吗。分治的聪明处在于：把「解不动的大问题」变成一堆「肯定解得动的小问题」，再花点力气拼装。工程进阶篇 Coding Agent 读大代码库也是这么干的：一个文件一个文件地读、各自记要点、最后汇总。
诚实卡 · 压缩的代价

⚠️ 摘要是有损压缩——细节会丢

原文：「预算 8 万以内」「我特别不喜欢红色，全屋别出现红色」
→
压缩后：「讨论了预算和配色偏好」← 具体数字和红色禁令都没了
压缩后 AI 还知道「聊过预算」，但再问它「我预算多少」它只能猜；下次它给你配个红沙发，你都没处说理。所以动手实战篇反复强调：关键事实（数字、硬性要求、决定）要另外记进长期记忆或文档里，不能指望摘要替你留着。摘要负责「大概聊过什么」，档案负责「铁板钉钉的事」。

✅ 这一课想和你分享的