用途：在上下文窗口受限时扩展有效容量，降低 token 成本与长对话延迟，支撑长时运行的智能体系统与大规模生产系统。
主要能力（按优先级）：1) KV-cache 优化：将稳定内容（系统提示、工具定义、复用模板）置于前缀，动态内容置于末尾，提升前缀缓存命中率；2) 观察掩码：工具输出常占 80% 以上 token，用紧凑引用替换已用过的冗长输出，保留可检索性；3) 压缩：上下文利用率超 70% 时摘要并重建，优先压缩工具输出、旧对话轮次、检索文档，不压缩系统提示；4) 上下文分区：单窗口无法容纳时拆分为隔离子智能体，各自在干净上下文中处理子任务，再由协调者汇总。
使用方式：先测量再优化，按掩码→压缩→分区顺序应用；为各类上下文分配 token 预算并保留 5-10% 缓冲；以触发式优化替代周期性优化，如利用率超 80% 触发压缩。示例：if context_tokens / context_limit > 0.8: context = compact_context(context)。
适用场景：上下文限制约束任务复杂度、需降本降延迟、实现长时运行智能体、处理更大文档或对话、构建规模化生产系统。
限制与注意：前缀中任何空白或换行变化都会使下游 KV-cache 失效；系统提示中插入时间戳会破坏缓存命中；压缩本身有损，过度压缩易丢失关键状态，应在 70-80% 触发而非 90% 以上；调试期间不应掩码错误输出；分区协调开销真实存在，子任务少于 3 个时可能得不偿失；部署变更后缓存未预热会出现成本尖峰。具体阈值、代码模式与集成示例见内部参考文档。