智能上下文压缩器

Execution Instructions

核心策略：Rolling Summary（滚动摘要）

与传统 compactor 的区别：

• ❌ 传统方式：直接清空所有历史 → 信息全部丢失
• ✅ Rolling Summary：先总结关键信息 → 清空历史 → 摘要作为新起点

执行步骤

原子化压缩操作（Atomic Compression）

现在，压缩操作必须在一个步骤中完成，不再分步进行。

执行逻辑：

1. Thought (思考): 回顾当前对话，在内心生成一份结构化的摘要（包含任务目标、进展、关键数据等）。
2. Action (行动): 直接调用 smart_compact(summary="...")，将生成的摘要作为参数传入。

摘要模板（供参考）：

## 任务目标
[用户原始请求]

## 进展
- [已完成步骤]

## 关键数据
- [文件路径/配置值]

## 待办
- [下一步计划]

注入摘要

smart_compact 执行成功后，会返回包含摘要的确认信息。请将此信息作为新对话的起点。

可用工具

smart_compact

智能压缩：接收摘要，清空历史，卸载工具。 参数: summary (必填) - 当前对话的完整摘要。

get_compression_status

获取当前状态和压缩建议。

主动调用时机

Agent 应在以下情况主动建议调用 compactor：

示例流程

用户: "继续之前的代码分析任务"

Agent 思考: "对话已经很长了，我应该压缩一下"

Step 1 - 生成摘要:
"## 任务目标
分析项目中的内存泄漏问题

## 已完成
- 使用 codebase_search 定位了 3 个可疑文件
- 使用 bash 检查了进程内存

## 关键发现
- memory_pool.py 第 45 行存在未释放的资源
- 问题出现在 process_data() 函数中

## 待处理
- 需要修复 memory_pool.py 的问题"

Step 2 - 执行压缩:
Action: smart_compact()
Result: [OK] 已清空历史，已卸载 5 个工具

Step 3 - 继续任务:
"根据之前的分析，memory_pool.py 第 45 行存在问题，
现在让我加载 codebase_search 继续处理..."

重要提醒

1. 压缩前必须生成摘要 - 否则关键信息会丢失
2. 摘要要简洁但完整 - 保留任务目标、结论、进展
3. 压缩后主动告知用户 - 让用户知道之前做了什么