Context Compressor

五策略上下文压缩引擎，在长任务中智能压缩上下文，减少 token 消耗 40-60%。

五策略概览

使用方法

import sys
sys.path.insert(0, "<skill-dir>/scripts")

from compressor import ContextCompressor

compressor = ContextCompressor(max_tokens=128000)
messages, stats = compressor.check_and_compress(messages)

print(f"压缩前: {stats['before_tokens']} tokens")
print(f"压缩后: {stats['after_tokens']} tokens")
print(f"应用策略: {stats['strategies_applied']}")
print(f"压缩率: {stats['reduction_percent']:.1f}%")

消息格式

输入消息需为标准 OpenAI 格式：

{
    "role": "user" | "assistant" | "system" | "tool",
    "content": "消息内容",
    "timestamp": 1234567890,  # Unix 时间戳（可选，策略1需要）
    "tool_calls": [...],       # 工具调用记录（可选）
    "tool_call_id": "xxx",     # 工具调用 ID（可选）
    "name": "tool_name"        # 工具名称（可选）
}

集成点

• coding-framework Step 5.2: 当 token 使用超过 80% 时自动触发
• 长任务子代理: 在 spawn 前压缩父会话上下文
• 定期压缩: 每 N 轮对话后检查一次

阈值配置

参见 references/thresholds.md 获取详细阈值说明。

默认阈值：

• 最大 token: 128,000
• 触发阈值: 80% (102,400 tokens)
• 时间清理: 5 分钟
• 对话摘要: 20 条
• 观察遮蔽: 保留最近 10 条工具输出

测试

cd <skill-dir>
python -m pytest scripts/test_compressor.py -v
# 或
python scripts/test_compressor.py