智能体上下文压缩损失核验工作流

智能体上下文压缩损失核验工作流

3个实用技能 · 3步完成 · 每一步都能单独使用
面向长任务和上下文压缩：先按规则、实体、事件和流程分层，再核验摘要是否丢失关键或受保护内容，最后在人工批准前阻止危险压缩进入下一轮；只处理脱敏 JSON，不执行真实压缩或改写记忆。
3个可下载技能 · 每个技能可单独运行

3步自动化工作流

🔵 1 智能体上下文分层整理

技能文件：agent-context-layer-normalizer
解决什么： 长期规则、实体事实、临时事件和流程知识混在一起时，无法分别设置保留、过期和替代策略。
你会得到： agent-context-layer.json、分层结果、字段发现和 layer_hash。
↓ 本步结果自动进入下一步

🟢 2 智能体压缩损失核验

技能文件：agent-compaction-loss-auditor
解决什么： 压缩摘要可能省略硬规则、关键状态或替代关系，导致下一轮 Agent 在错误上下文上继续工作。
你会得到： agent-compaction-loss.json、missing_critical、受保护项遗漏和 findings。
↓ 本步结果自动进入下一步

🟠 3 智能体压缩人工闸门

技能文件：agent-compaction-review-gate
解决什么： 只有分层合同完整、压缩损失检查通过且负责人批准，压缩结果才可进入下一轮上下文。
你会得到： agent-compaction-review-gate.json、blockers、review_queue、human_decision 和 external_action_executed=false。
↓ 本步结果形成最终交付

实际示例

脱敏样例包含一条永久保留的关键规则和一条短期事件；压缩结果只保留事件且未声明 preserved_rules。第一步识别规则层，第二步发现 critical 项和永久项遗漏，第三步因损失报告异常且 human_decision=PENDING 输出 READY_FOR_HUMAN_REVIEW、compaction_allowed=false。该结果是本地测试事实，不代表真实 Agent 运行结果。

适合谁

• 运行长对话、长流程或持续编码 Agent 的工程团队

• 需要在上下文接近窗口上限时审查摘要质量的 Agent 平台负责人

• 使用记忆、RAG、Session 或 compaction 的质量与安全团队

• 不希望旧规则、关键状态或任务边界在压缩后静默丢失的自动化实施人员

买家只需提供

• 脱敏上下文条目、层级、任务引用、重要性和保留策略

• 压缩摘要引用、保留 item_id、规则保留说明和过期时间

• 关键规则、人工批准、回滚和下一轮恢复的验收要求

使用方式

1. 解压三个技能目录，使用 Python 3.10 或更高版本。

2. 依次运行上下文分层、压缩损失核验和人工闸门，也可单独运行任一步。

3. 在测试环境注入关键项遗漏、过期事件和 supersede 关系，再由负责人决定是否接入真实压缩器。

交付与验收

• 三个独立技能目录，含元数据、agents/openai.yaml、SKILL.md、README.md、标准库脚本和脱敏 examples。

• 最小样例应识别未知层级、关键项遗漏、永久项遗漏和未批准压缩。

• 任一上游异常、critical 项缺失或人工决定 PENDING 时，闸门必须拒绝继续使用压缩结果并生成 review_queue。

• 不包含模型摘要、记忆库写入、上下文删除、Session 接入、Token 统计、队列或人工值守服务。

服务说明

本包是离线 JSON 上下文生命周期与压缩损失核验工具，公开讨论、Anthropic、OpenAI、AWS 和 Microsoft 文档只用于需求、模式和风险参考，未复制其代码、付费模板或私有流程。它不能判断摘要事实真伪或模型理解质量，不承诺零遗忘、零幻觉、固定节省比例或业务结果；正式使用前必须由负责人审查敏感信息、保留规则和回滚能力。