用途：当系统提示词需要设计 token 预算分配、上下文压缩策略、延迟加载机制或记忆持久化方案时使用。适用于长对话 AI 助手、代码编辑器集成、研究型 Agent、多会话系统等需要精细管理上下文窗口的场景；不适用于单轮交互系统、纯无状态 API 或对话记忆不重要的场景。
主要能力：一是 Token 预算意识，把上下文窗口视为固定预算主动分配，在预算用尽前触发压缩；二是分层压缩，按原始对话、摘要压缩、关键点提取、持久化记忆逐层处理；三是延迟加载，按需从文件、数据库或工具中发现并加载信息；四是层级化持久记忆，形成对话级、会话级、项目级、用户级的记忆金字塔；五是结构化摘要模板，定义压缩后的标准格式；六是缓存感知调度，短间隔保持缓存命中；七是 token 节约语法，如压缩 URL、省略标记、引用编号。
使用方式：先定义三级 token 预算分配（系统提示词、对话历史、推理空间）及压缩触发阈值；再设计至少四层记忆架构，明确存储格式、写入条件与读取优先级；建立含用户目标、关键决策、未决事项、技术约束、偏好设定等必填字段的摘要模板；实现延迟加载的触发规则、分块策略与预加载白名单；最后添加缓存感知优化，区分冷启动与热续接路径。
限制与失败模式：过度压缩会丢失关键决策信息；延迟加载过于激进会导致判断缺少上下文；记忆层级混乱会让持久记忆膨胀并含过期信息；忽视摘要本身的 token 成本，短对话中过度压缩反而增加总消耗；假设缓存必然命中而选短延迟，实际失效会导致上下文不完整。若已有成熟数据库或缓存基础设施处理状态管理，则不必在提示词层面重新设计。