- name
- conv-compactor
- description
- 多级对话压缩系统。监控上下文长度，在达到阈值时自动或手动触发压缩，将对话历史浓缩为结构化摘要，保留关键信息。
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
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 |
|---|---|---|
| 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 | 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：
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：
- 从最老的对话开始
- 按"API round"分组（一问一答+工具调用 = 一组）
- 把早期组压缩成结构化摘要
- 保留最近 2-3 组原始对话
- 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：
- 全部对话压缩成单一摘要
- 可选择保留特定文件内容
- 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-M2.7 | 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：
---
## 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：
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