---
title: "什么是上下文压缩？用摘要接续智能体历史 | BroadRouter"
description: "上下文压缩在对话接近上下文上限时生成摘要，再从摘要继续。智能体如何压缩、保留什么，以及要付出的成本。"
url: https://broadrouter.com/zh/glossary/context-compaction/
lang: zh-Hans
updated: 2026-11-15
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

本页由英文原文借助 AI 翻译。 [阅读英文原文](https://broadrouter.com/glossary/context-compaction/) (2026-11-15 更新).

# 上下文压缩（context compaction）

更新于 2026-11-15

上下文压缩是指在对话接近上下文窗口上限时对其进行摘要，并从这份摘要继续会话的做法，这样智能体能保留关键决策和状态，同时丢掉旧的工具输出等原始历史。

又称： 上下文压缩、对话压缩、自动压缩、上下文摘要、历史压缩、compaction、auto-compact、conversation compaction、context summarization、context compaction

长时间运行的智能体会话会超出上下文窗口。压缩把完整历史换成一份摘要，然后接着干活。

## 工作原理

Anthropic 关于上下文工程的文章把压缩定义为 “the practice of taking a conversation nearing the context window limit, summarizing its contents,“（译文：把接近上下文窗口上限的对话拿出来，对其内容做摘要），然后用这份摘要开启一个新的上下文窗口。文章说，在 Claude Code 中，模型会 “preserves architectural decisions, unresolved bugs, and implementation details,“（译文：保留架构决策、未解决的 bug 和实现细节），丢掉冗余的工具输出，并带着摘要和 “the five most recently accessed files.”（译文：最近访问的五个文件）继续工作。

最轻量的形式是清除工具结果。同一篇文章称它为 “one of the safest lightest touch forms of compaction”（译文：最安全、最轻量的压缩形式之一）：删掉历史深处旧的原始工具输出，其他内容都保留。

不同工具以不同方式提供压缩：

| 工具 | 压缩如何运行 |
| --- | --- |
| Claude Code | 接近上限时自动压缩会对历史做摘要；`/compact Focus on ...` 可以手动运行，并附上要保留哪些内容的说明 |
| OpenAI Responses API | 设置带 `compact_threshold` 的 `context_management`，token 数超过阈值时在服务端压缩；也可以调用独立的 compact 端点 |
| 你自己的智能体 | 让模型对历史做摘要，然后用系统提示词、摘要和最近几轮开启一个新的消息列表 |

算一笔账：一个历史已达 180,000 token 的智能体，压缩成 6,000 token 的摘要加上 20,000 token 的最近文件。之后每一轮发送的历史约为 26,000 token，而不是 180,000 且仍在增长。

## 为什么重要

-   **长度。** 不做压缩，长任务会在[上下文窗口](https://broadrouter.com/zh/glossary/context-window/)填满时停下。
-   **质量。** 远在达到上限之前，准确率就可能下降，这个问题叫[上下文腐烂](https://broadrouter.com/zh/glossary/context-rot/)。更短、更干净的上下文会有帮助。
-   **成本。** 按 token 计费时，每一轮都要重新发送历史。压缩会缩短历史，不过压缩请求本身要把完整历史读一遍，而且改写后的前缀必须重新缓存（[缓存输入 token](https://broadrouter.com/zh/glossary/cached-input-tokens/)）。
-   **风险。** 摘要可能丢掉以后会用到的细节。请写好自定义说明，指明要保留什么，并把关键事实放在笔记文件里。

## 在 BroadNet Inference 上

BroadNet 的 API 是无状态的 Chat Completions：每次都要发送完整的消息列表，BroadNet 的文档也没有描述服务端压缩功能。压缩发生在你的智能体或工具里，由它们发送缩短后的历史。

[DeepSeek V4.1 Flash](https://broadrouter.com/zh/models/deepseek-v4.1-flash/) 和 [GLM 5.3](https://broadrouter.com/zh/models/glm-5.3/) 支持 1,048,576 个 token 的上下文，所以需要压缩的次数更少，但在按量付费下，上面说的成本和质量问题依然存在。在[包月套餐](https://broadrouter.com/zh/plans/)上没有 token 计量，所以压缩关系到的是质量和速度，而不是账单。[长时间运行智能体的上下文管理](https://broadrouter.com/zh/blog/long-running-agent-context-management/)介绍了什么时候压缩、先丢掉什么。

## 常见问题

### 压缩会丢失信息吗？

会，这是设计使然。摘要只保留摘要者认为重要的内容，其余的都丢掉。需求、未解决的 bug 这类不能丢的事实，请写进一个智能体可以重新读取的笔记文件。

### 压缩是免费的吗？

不是。Claude Code 的文档指出，压缩时要读取它所摘要的整段对话，所以压缩一个很大的上下文本身就是一个很大的请求。用 /clear 从头开始不花钱，但不保留任何连续性。

### 压缩会让提示词缓存失效吗？

它改写了历史，所以下一个请求中被改写的部分无法命中缓存。Claude Code 把这算作预期内的缓存重建。之后，缩短的历史会照常被缓存。

## 另请参阅

-   [上下文工程（context engineering）](https://broadrouter.com/zh/glossary/context-engineering/) (术语)
-   [上下文窗口（context window）](https://broadrouter.com/zh/glossary/context-window/) (术语)
-   [上下文腐化（context rot）](https://broadrouter.com/zh/glossary/context-rot/) (术语)
-   [缓存输入 token（cached input tokens）](https://broadrouter.com/zh/glossary/cached-input-tokens/) (术语)
-   [AI 编程智能体（AI coding agent）](https://broadrouter.com/zh/glossary/coding-agent/) (术语)
-   [AI 智能体（AI agent）](https://broadrouter.com/zh/glossary/agent/) (术语)
-   [面向智能体的不限量 LLM API 套餐如何运作](https://broadrouter.com/zh/guides/unlimited-llm-api-sessions/) (指南)
-   [长时间运行的智能体如何管理上下文：用好 1M 窗口](https://broadrouter.com/zh/blog/long-running-agent-context-management/) (文章)
-   [减少提示词 token：系统提示词、工具和数据的实测精简](https://broadrouter.com/zh/blog/reduce-prompt-tokens/) (文章)

用你的真实业务负载试一试。 新账户可获得 US$5 初始额度，用于 Gemma和转写。DeepSeek、GLM和Qwen3.8 需要先充值。

[开始使用](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=zh-glossary-context-compaction&utm_content=page-cta) ·

**来源**

-   [Anthropic Engineering：Effective context engineering for AI agents（压缩）（2026-11-15 查阅）](https://www.anthropic.com/engineering/effective-context-engineering-for-ai-agents)
-   [Claude Code 文档：有效管理成本（/compact 与自动压缩）（2026-11-15 查阅）](https://code.claude.com/docs/en/costs)
-   [OpenAI API 文档：压缩指南（2026-11-15 查阅）](https://developers.openai.com/api/docs/guides/compaction)
