自动压缩对话上下文

当对话轮次增多，历史消息会超出大模型的处理上限。上下文压缩策略可以在消息数量达到阈值后自动生成摘要，将较早的消息压缩存储，降低每次模型调用的上下文压力。

工作机制

• 跟踪对话中的消息数量
• 当历史消息数达到阈值时，触发一次摘要生成
• 被替换的旧消息会持久化到 Agent 工作空间，后续可回溯
• 摘要替换旧消息加入对话，并保留最近的若干条完整消息（默认 20 条）

配置项

策略在 Agent 编辑器的 高级 → 上下文 → 上下文压缩策略 中配置：

• 消息阈值：历史消息数量达到该值后触发一次摘要生成。默认值 40。值越小摘要越频繁，值越大对话上下文越完整。
• Token 阈值：生成摘要时送入模型的历史内容上限。默认值 128000。超出部分会被裁剪。值越大，单次摘要纳入的上文可能越多。
• 摘要模型：用于生成摘要的模型。不配置时复用当前 Agent 的主模型和主模型参数。

子Agent 配置

子Agent 作为独立的 Agent 实例，可以在各自的配置中独立设置上下文压缩策略，互不影响。

典型场景

上下文压缩适合复杂多轮长任务，典型场景包括：

• 长时间客服会话：客户与 Agent 反复沟通问题，对话轮次可能很快超过阈值
• 多轮数据分析：Agent 逐步探索数据、调整分析方向、验证结论，每次迭代都有新交互
• 持续文档协作：Agent 辅助编写和修改长文档，需要保持对前文意图的连贯理解