先理解
刚接触这个知识点
补齐先备概念,读原理与反例,再用自己的话解释为什么。
从核心原理开始 →理解 → 实现 → 排错 → 取舍
考察上下文预算、摘要失真、按需加载和恢复验证。
知识内容核对 2026-10-03 · 原题来源核对 2026-10-02
按当前基础选择起点,也可以依次深入。遇到不熟悉的概念,先回到核心原理;完成后用知识练习检查理解。
LEARN · PRACTICE · REFLECT
先沿着原理、问答和迁移案例阅读。需要检查理解时,再切换巩固练习或展开个人记录。
核心知识 · 有损摘要与可回读事实
先备概念:缓存失效、数据版本、上下文窗口
上下文是为下一步决策构建的工作视图,摘要是有损缓存。约束和操作事实需要可独立检查的来源,精确结论保留版本引用;压缩质量取决于行为是否保持,而不是摘要读起来是否顺畅。
数据库不会把所有表放进每个请求,Agent 也不必每轮携带完整日志。选择当前目标、必要事实和最近结果,长数据外置,只保留可按权限回读的引用。删旧消息之前要看依赖,最早的限制可能仍比最新的十条日志重要。
“未确认付款”压成“未付款”,只差几个字却可能触发重复付款。摘要应区分已验证、假设与未知,并附原始证据版本。连续摘要上一个摘要会累积误差,关键阶段从事实账本重新构建,比持续压缩更稳。
容量增加不会让全部信息同等相关,还可能带来矛盾和无关指令。Anthropic 的上下文工程文章给出压缩和结构笔记的思路;具体保留哪些字段要由任务风险决定。验证应让系统在压缩前后执行同一个决策,观察是否越权、重复动作或漏验收。
我会先分开不可丢的目标与授权、近期对话、可追溯证据、工具大结果和中间推断。大结果外置并保留版本引用,摘要只描述已知事实和未解决事项,原文可按需回读。压缩前后验证关键约束、已执行动作和待办是否一致,不能把摘要当权限源,也不能把推测升级成事实。预算要为下一次工具结果和最终输出留空间。
先测量系统指令、工具定义、历史消息、检索片段和预留输出各自的占用。优先保留当前目标、明确约束、待决策问题和最近一步结果。完整日志、长表格和已完成步骤的重复输出外置,保留对象 ID、内容版本、访问权限和简短摘要。不能只按消息年龄机械删除,否则最早的用户限制可能消失。
摘要结构可包含目标、约束、已验证事实、已执行动作、当前假设、剩余任务和引用。每个结论尽量指向原文或工具回执;例如“尚未确认付款结果”不能压缩成“付款失败”。对删除要求、权限和预算,真正的执行边界仍在服务端状态中,不能让模型摘要决定是否有权执行。
准备长会话测试集,在靠前位置放置禁止外发、金额上限和统计口径等关键条件,再加入大量无关日志。比较压缩前后对同一下一步的行为、事实一致性和引用可回读率。用明确字段检查加人工抽查;仅比较摘要文本相似度看不出动作风险。
涉及精确数字、代码变更、审批或相互矛盾的信息时,回读对应版本原文。原文已删除或权限变更时,摘要里的旧内容也不能继续用于回答。连续多轮摘要可能累积误差,可从事实账本重新构建工作上下文,而不是永远摘要上一份摘要。窗口变大也不替代相关性筛选。
沿着问题的前提和约束继续向下读。先理解参考解答,再尝试收起答案,用自己的话解释因果和取舍。
第 1 层摘要漏掉一个否定词,如何发现?
文本相似度看不出否定丢失造成的行为变化。
先把可结构化约束保存在可信记录,如禁止外发、金额上限、允许目录;压缩后逐字段对照,执行时网关仍独立检查。对复杂否定句保留原文与引用,用含否定、例外和条件的测试比较下一动作。只让另一个模型评价摘要“完整”不够,它也可能漏读同一个词。
沿着这个回答继续深入
第 2 层约束是“除非用户明确允许,否则不能外发”,怎样保存而不丢条件?
保留否定还不够,例外条件需要独立建模。
把默认拒绝与例外授权记录分开:摘要保留规则,可信批准记录绑定对象、范围和有效期。用户文本可触发核验,不能直接转成永久 approved。执行时检查是否存在适用授权,让“除非”成为可判断条件。
沿着这个回答继续深入
第 3 层用户后来允许外发,但摘要仍写禁止,如何处理冲突?
条件发生变化,需要版本化解决冲突而非覆盖整条规则。
按可信会话中的最新有效授权及其范围更新约束版本,并重新生成工作视图。保留变更来源,不能从两个句子中让模型自由选一个。旧禁止规则在未获新授权的其他对象上仍有效,授权不会自动扩大到所有资料。
第 1 层原始文件更新了,摘要还可复用吗?
外置后的摘要与原文形成缓存关系,必须处理失效。
摘要仍可用于旧版本的历史描述,不能直接代表当前文件。比对内容版本或摘要,相关变化时重新读取并重建摘要,注明旧结论是否失效;无关元数据变化可按策略保留。原文已无读取权限时,缓存也要按保留规则清理,引用存在不等于继续可用。
第 1 层大窗口为什么仍需要筛选上下文?
容量上限与信息选择是不同问题。
因为决策需要相关证据,而不是最大文本量。更多日志增加费用、延迟和冲突,可能掩盖关键限制;全量数据也不适合靠语言模型做精确聚合。按当前问题筛选,再为工具结果与输出预留空间,大窗口用来容纳必要证据,不能替代版本管理和确定性计算。
先找出改变的条件,再判断原方案中哪些前提仍成立。下面的案例是教学推演,便于将原理迁移到新问题。
改变的条件:语义压缩变成逐字精确任务
延伸问题:能只读摘要回答吗?
不能。摘要用于定位相关段落,结论前读取适用版本的完整条款或公式,保留例外、定义和上下文。无法回读时限制回答范围,说明证据缺失。工作视图可简洁,最终依据必须与需要的精度匹配。
保持不变的原理:摘要是导航和工作缓存,不是精确证据的替代品。
改变的条件:历史对话变成十万行明细
延伸问题:是否先用模型摘要再求总额?
先由数据库或受控程序在固定快照上计算,再把查询口径、行数、结果和引用交给模型解释。摘要不能保留每条金额的可加性;抽样用于探索异常,不用于声称全量总额。压缩的是表达成本,不能压掉计算依据。
保持不变的原理:决策视图可缩小,但验证结论仍依赖完整且适当处理的事实。
依据公开技术资料设计;参考资料支持技术机制,场景与评分标准为本站设计,不代表某公司面试原题。 新增问答与迁移案例用于原理讲解,来源核查与案例运行验证分别记录。
读完后可以对照这些标准解释原理、边界和取舍。掌握程度由你自评;需要进一步验证时,再完成下方小任务。
把含两个约束、一次未知工具结果和大量日志的会话压缩为七字段状态。