08｜语义压缩：让 200K 装下 1M 的日志
黄佳
你好，我是黄佳。
上一讲我们讲了上下文分诊：候选信息太多时，先决定什么进 Context，什么留在外面，什么只挂资源句柄（handle）。
但信息进来了只是个良好开端，后续的挑战是：Agent 只要跑得足够久，上下文一定会膨胀。对话历史、tool 返回、错误日志、代码 diff、测试结果，会一轮一轮堆起来。到了某个时刻，系统必须压缩历史，否则不是撞上 context limit，就是让模型淹在旧信息里。
这就是第二个感知模式——语义压缩（Semantic Compaction）的入场时机。压缩不是简单的省 token，而是一个更关键的问题：压缩之后，Agent 还记不记得自己为什么走到这一步。
坏的压缩，会把关键证据压没。更坏的压缩，会让 Agent 忘记哪些方案已经失败，然后在同一个坑里反复试错。
比如一个数据库故障排查 Agent，刚刚看到一条关键错误：
这里真正有价值的不是“发生了数据库错误”，而是 pool_size=20、queue_depth=347、_acquire_connection timeout 这些细节。它们暗示问题可能不是简单把连接池调大，而是连接没有被及时释放。
公开
同步至部落
取消
完成
0/2000
荧光笔
直线
曲线笔记
复制
AI
- 深入了解
- 翻译
- 解释
- 总结
仅可试看部分内容，如需阅读全部内容，请付费购买文章所属专栏
《Agent 设计模式之美》，新⼈⾸单¥68
《Agent 设计模式之美》，新⼈⾸单¥68
立即购买
© 版权归极客邦科技所有，未经许可不得传播售卖。 页面已增加防盗追踪，如有侵权极客邦将依法追究其法律责任。
登录 后留言
精选留言
由作者筛选后的优质留言将会公开显示，欢迎踊跃留言。
收起评论