conv-compactor#

对话压缩 / 遗忘机制 — 基于 Claude Code compaction 系统。

让 AI 在上下文即将耗尽时，自动把对话历史压缩成结构化摘要，而不是粗暴截断。

---

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"忘记"——是提炼，不是丢弃
• ❌ 不是"截断"——是结构化摘要，不是删除
• ❌ 不是"总结"——是保留决策过程和代码细节，不只是大意

---

触发机制#

自动触发阈值#

text

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

三种触发方式#

方式触发条件说明autoToken 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单次工具结果太大只压缩大文件/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：

text

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. 从最老的对话开始
2. 按"API round"分组（一问一答+工具调用 = 一组）
3. 把早期组压缩成结构化摘要
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. 全部对话压缩成单一摘要
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：

text

## 压缩任务

你是一个对话压缩器。请把以下对话历史压缩成一个结构化摘要。

### 压缩规则

1. **保留用户的原始反馈** — 用户纠正你、确认你的内容最重要
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** — 犯过的错不能忘
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..."
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
6. **不要调用工具** — 你已有所有上下文

### 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
- 怎么修的
- 用户有没有反馈

#### 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
用户让你做但还没做完的。

#### 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-M2.7200K174KMiniMax-M2.5200K174KMiniMax-M2.1200K174KGPT-4o128K111KClaude 3.5200K~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 skill：

• 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：

text

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 只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