上下文压缩（Context Compaction）

Agent 在对话超过上下文窗口限制时，使用小型模型将历史对话压缩为摘要，释放上下文空间以继续处理新信息的机制。2026 年 Claude Code 源码泄露揭示了其内部实现：当对话长度超过阈值时，自动触发 Memory Compaction，用轻量模型生成历史摘要。

Agent 在对话超过上下文窗口限制时，使用小型模型将历史对话压缩为摘要，释放上下文空间以继续处理新信息的机制。2026 年 Claude Code 源码泄露揭示了其内部实现：当对话长度超过阈值时，自动触发 Memory Compaction，用轻量模型生成历史摘要。

上下文压缩常见于：AI 研究与产业落地。实际选型需结合业务指标、数据规模与部署约束评估适用性。

围绕 上下文压缩 的口语化说法（见「常见误解」）常过度简化。效果依赖数据质量、任务匹配与系统整体设计；生产环境应配合评测、监控与人工复核。

上下文压缩随 AI 研究与工程实践持续演进，定义边界与最佳实践仍在更新。建议结合原始论文、官方文档与本站延伸阅读建立准确认知。