待验证50% 置信事实精确时间
IDL Compaction 的作用是在缓存失效前主动压缩对话历史，例如将冗长的中间轮次摘要化或丢弃低信息量的内容，从而减少后续请求的 token 量，但也可能引入信息损失。
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/10/14
首次发现
有效期至：2027/1/12
来源
涉及实体
相关事实
已验证Compaction（上下文压缩）是当线程累积到一定长度时系统将历史对话蒸馏为更紧凑的摘要而非简单截断的技术76% 相似待验证短期记忆的管理策略包括消息截断（只保留最近N轮对话）和摘要压缩（用LLM将早期对话压缩成摘要）73% 相似待验证压缩（compaction）指当会话消息超出模型上下文窗口限制时，框架自动将较早对话浓缩为摘要或删减冗余内容以腾出空间68% 相似待验证SummarizationMiddleware 的基本逻辑是当消息数量或 token 数超过阈值时，调用摘要模型将早期对话压缩为一段摘要，以释放上下文窗口空间。68% 相似待验证实际开发中通常在存储长期记忆前让大模型对对话做总结摘要，提炼核心信息后再持久化，以节省空间并提高检索精确度67% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1029000API
curl https://kongchang.com/api/v1/knowledge/claims/1029000MCP
get_claim(id=1029000)