用途：为长时运行的智能体会话设计并评估上下文压缩策略，适用于会话超出上下文窗口、代码库超过上下文窗口（如500万token以上系统）、设计对话摘要方案、排查智能体“忘记”改过哪些文件、构建压缩质量评估框架等场景。
主要能力：介绍三类生产可用方法。锚定式增量摘要维护结构化持久摘要，含会话意图、文件修改、决策、下一步等显式分区，触发时只摘要新截断片段并与已有摘要合并；不透明压缩追求重建保真度，压缩率最高（99%以上）但不可解释；再生式全量摘要每次压缩生成完整结构化摘要，可读但反复压缩可能丢细节。核心观点是结构强制保留信息。
使用方式：压缩触发点可选固定阈值（70%至80%上下文占用）、滑动窗口（保留最近N轮加摘要）、基于重要性、任务边界。大型代码库可用三阶段工作流：研究阶段产出研究文档，规划阶段转为实现规格，实现阶段按规格执行。实现锚定式增量摘要时定义摘要分区、首次压缩摘要截断历史、后续只摘要新增截断内容并合并、跟踪信息来自哪次压缩周期。
评估：传统ROUGE或嵌入相似度无法反映功能质量，建议用探针式评估，通过召回、工件、延续、决策类问题检验；六个维度为准确性、上下文感知、工件轨迹、完整性、连续性、指令遵循。工件轨迹普遍最弱（2.2至2.5分）。
限制：资料未提供具体安装命令、收费、平台或代码实现细节；工件轨迹问题可能需要通用摘要之外的专门处理，如独立工件索引或文件状态跟踪。