新对话开始 → 加载 MEMORY.md（记忆）
    ↓
对话进行中 → 监控 Token 使用
    ↓
触发压缩 → 结构化摘要
    ↓
可选择 → 写入 memory/（新记忆）

conv-compactor

对话压缩 / 遗忘机制 — 基于 Claude Code 压缩系统。

让 AI 在上下文即将耗尽时，自动将对话历史压缩为结构化摘要，而非粗暴截断。

---

核心概念

为什么需要压缩？

• - 对话越来越长 → Token 越来越多 → 超出上下文窗口 → 无法继续
• 错误做法：直接从头部截断（丢失关键上下文）
• 正确做法：压缩成摘要，保留精华

压缩不是什么？

• - ❌ 不是遗忘——是提炼，而非丢弃
• ❌ 不是截断——是结构化摘要，而非删除
• ❌ 不是总结——是保留决策过程和代码细节，而非仅保留大意

---

触发机制

自动触发阈值

上下文窗口 200K → 有效窗口约 100K
触发阈值 = 有效窗口 - 13K 缓冲区
≈ 87K tokens

三种触发方式

方式	触发条件	说明
auto	Token 接近阈值	自动压缩，保留最近对话
manual

用户说压缩 | 自定义压缩范围 | | micro | 单次工具结果太大 | 仅压缩大文件/图片 |

---

压缩级别

Level 1：Micro Compact（微观压缩）

触发： 单个工具结果太大（如 grep 返回 100K tokens）

做法：

大文本 → 保留前 500 字符 + ...
图片 → [image]
文件内容 → [文件内容已压缩]

保留： 对话结构 + 关键结论

---

Level 2：Auto Compact（自动压缩）

触发： Token 即将用尽

做法：

1. 1. 从最旧的对话开始
2. 按API 轮次分组（一问一答+工具调用 = 一组）
3. 将早期组压缩为结构化摘要
4. 保留最近 2-3 组原始对话
5. 插入压缩边界标记

---

Level 3：Full Compact（全量压缩）

触发： 手动 /compact 或上下文严重不足

做法：

1. 1. 将所有对话压缩为单一摘要
2. 可选择保留特定文件内容
3. 生成下一步建议

---

压缩 Prompt（精华）

当需要压缩时，使用以下 prompt 模板：

压缩任务

你是一个对话压缩器。请将以下对话历史压缩为一个结构化摘要。

压缩规则

1. 1. 保留用户的原始反馈 — 用户纠正你、确认你的内容最为重要
2. 保留完整代码片段 — 不是修改了文件A，而是完整的函数体
3. 保留错误和修复 — 犯过的错误不能遗忘
4. 保留用户关键决策 — 用户明确做出的选择、偏好、方向性决策

- ❌ 不要原文抄录所有用户消息 - ✅ 提炼：用户选择了方案A，理由是...

1. 5. 脱敏处理 — 过滤所有敏感信息

- API keys / tokens → 替换为 [REDACTED: api_key] - 密码 / secrets → 替换为 [REDACTED: secret] - 私钥 / credentials → 替换为 [REDACTED: credential] - 完整文件路径（本地）→ 简化保留文件名即可

1. 6. 不要调用工具 — 你已拥有所有上下文

输出格式

必须包含以下章节：

1. 用户主要请求

详细描述用户想要什么。

2. 关键技术点

列出涉及的技术、框架、概念。

3. 文件和代码

• - 文件名 + 为什么重要
• 做了哪些修改
• 完整代码片段

4. 错误和修复

• - 遇到了什么错误
• 如何修复的
• 用户是否有反馈

5. 用户关键决策和反馈

提炼用户的核心选择、偏好、纠正内容。不是原文抄录，而是结构化表达。

6. 悬而未决的任务

用户让你做但尚未完成的。

7. 当前工作

最后正在做什么。

8. 下一步建议

基于用户最新请求，下一步应该做什么。

---

上下文窗口参考

模型	上下文窗口	安全阈值（87%）
MiniMax-M2.7	200K	~174K
MiniMax-M2.5

200K | ~174K | | MiniMax-M2.1 | 200K | ~174K | | GPT-4o | 128K | ~111K | | Claude 3.5 | 200K | ~174K |

---

压缩边界标记格式

压缩完成后，插入以下标记：

markdown

---

对话已压缩 @ {timestamp}

摘要概要

[1-2句话描述对话主题]

保留内容

• - 最近对话组数：{N} 组
• 压缩组数：{M} 组
• 关键文件：{file list}

压缩后的对话历史

[结构化摘要内容]

---

---

使用时机

当以下情况发生时，自动使用本技能：

• - 对话 Token 接近安全阈值（> 80% 上下文）
• 用户说压缩、compact、总结一下
• 单个工具结果异常大（如 > 10K tokens）
• 对话明显变慢或开始重复之前的内容

---

与 memory-hierarchy 的关系

memory-hierarchy 负责：对话外的长期记忆
conv-compactor 负责：对话内的上下文压缩

两者互补：

新对话开始 → 加载 MEMORY.md（记忆）
↓
对话进行中 → 监控 Token 使用
↓
触发压缩 → 结构化摘要
↓
可选择 → 写入 memory/（新记忆）

---

实施检查清单

压缩前确认：

• - [ ] Token 使用是否超过 80%？
• [ ] 是否有未完成的用户请求？
• [ ] 是否有用户的特殊偏好/反馈需要保留？
• [ ] 是否有重要的代码片段？

压缩后确认：

• - [ ] 摘要是否包含所有用户消息？
• [ ] 关键代码是否完整？
• [ ] 用户反馈是否被标记？
• [ ] 下一步是否清晰？

---

禁止事项

❌ 不要直接截断对话头部
❌ 不要仅保留大意而丢失代码细节
❌ 不要在压缩时调用工具
❌ 不要删除用户反馈相关内容
❌ 不要压缩正在进行的开发工作
❌ 不要在摘要中保留明文敏感信息（API keys、密码、tokens）
❌ 不要原文抄录所有用户消息