> For the complete documentation index, see [llms.txt](https://yeasy.gitbook.io/context_engineering_guide/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://yeasy.gitbook.io/context_engineering_guide/di-er-bu-fen-he-xin-ji-shu-yu-ce-le/06_compress/summary.md).

# 本章小结

本章探讨了上下文工程的压缩策略，涵盖信息密度原理、摘要技术、对话历史管理和优化方法。

## 关键概念清单

| 概念    | 定义                 |
| ----- | ------------------ |
| 信息密度  | 单位 Token 中包含的有效信息量 |
| 抽取式压缩 | 从原文中选择关键内容         |
| 生成式压缩 | 使用 LLM 生成精简表述      |
| 递进式摘要 | 分层次逐步压缩长文档         |
| 滑动窗口  | 只保留最近 N 轮对话的策略     |
| 上下文预算 | 为不同组成部分分配 Token 配额 |

## 核心观点

1. **压缩是必要的优化**：
   * 控制 Token 用量和成本
   * 提高上下文利用效率
   * 改善响应延迟
2. **压缩方法各有适用场景**：
   * 抽取式：需要精确引用
   * 生成式：需要流畅表达
   * 信息提取：需要结构化数据
3. **对话历史需要专门管理**：
   * 结合滑动窗口和压缩
   * 保留关键信息点
   * 分层次管理不同时间距离的内容
4. **上下文优化是系统工程**：
   * 预算分配
   * 格式优化
   * 缓存复用
   * 持续监控

## 常见误区

* **误区一**：压缩就是截断 **正解**：压缩是提炼精华，需要保留关键信息
* **误区二**：压缩率越高越好 **正解**：需要在压缩率和信息完整性之间平衡
* **误区三**：一次压缩永久使用 **正解**：不同任务可能需要不同的压缩版本

## 实践建议

1. **建立 Token 预算**：明确各部分的 Token 分配
2. **优化最大消耗点**：通常是检索内容和对话历史
3. **组合多种策略**：摘要 + 提取 + 窗口管理
4. **监控优化效果**：对比压缩前后的任务效果和成本
5. **保留原始信息**：压缩结果可能需要回溯验证

## 预告

下一章将讨论隔离策略——如何通过结构化组织提升上下文的清晰度和有效性，包括 XML 标签、指令分层和多任务隔离技术。

***

> 📝 **发现错误或有改进建议？** 欢迎提交 [Issue](https://github.com/yeasy/context_engineering_guide/issues) 或 [PR](https://github.com/yeasy/context_engineering_guide/pulls)。