context-window-management

上下文窗口管理

管理大模型上下文窗口的策略，包括摘要、裁剪、路由和避免上下文退化

能力

• 上下文工程
• 上下文摘要
• 上下文裁剪
• 上下文路由
• Token 计数
• 上下文优先级排序

前置条件

• 知识：大模型基础、分词基础、提示词工程
• 建议具备的技能：提示词工程

范围

• 不涵盖：RAG 实现细节、模型微调、嵌入模型
• 边界：重点是上下文优化，涵盖策略而非特定实现

生态系统

主要工具

• tiktoken - OpenAI 的 Tokenizer，用于计算 Token 数量
• LangChain - 提供上下文管理工具的框架
• Claude API - 支持缓存的 200K+ 上下文

模式

以下内容是未完整的架构草图，包含由应用定义的辅助函数和类型。模型 ID 和上下文限制可能已过时；请查询当前支持的模型，并使用其分词器／计数 API（tiktoken 并非适用于 Claude 的通用 Tokenizer）。保留 system/developer 边界和用户约束原文；绝不要为了符合百分比预算而静默截断这些内容。清楚标记检索到的文本和摘要为数据。保留消息的时间顺序及工具调用关系，重新计算包含工具和预留输出在内的最终序列化请求的 Token 数量；若仍超出限制，则报错或缩减可选历史。仅按重要性排序不应打乱存在依赖关系的消息。

分层上下文策略

根据上下文大小采用不同策略

适用场景：构建任何多轮对话系统时

interface ContextTier {
    maxTokens: number;
    strategy: 'full' | 'summarize' | 'rag';
    model: string;
}

const TIERS: ContextTier[] = [
    { maxTokens: 8000, strategy: 'full', model: 'claude-3-haiku' },
    { maxTokens: 32000, strategy: 'full', model: 'claude-3-5-sonnet' },
    { maxTokens: 100000, strategy: 'summarize', model: 'claude-3-5-sonnet' },
    { maxTokens: Infinity, strategy: 'rag', model: 'claude-3-5-sonnet' }
];

async function selectStrategy(messages: Message[]): Promise<ContextTier> {
    const tokens = await countTokens(messages);

    for (const tier of TIERS) {
        if (tokens <= tier.maxTokens) {
            return tier;
        }
    }
    return TIERS[TIERS.length - 1];
}

async function prepareContext(messages: Message[]): Promise<PreparedContext> {
    const tier = await selectStrategy(messages);

    switch (tier.strategy) {
        case 'full':
            return { messages, model: tier.model };

        case 'summarize':
            const summary = await summarizeOldMessages(messages);
            return { messages: [summary, ...recentMessages(messages)], model: tier.model };

        case 'rag':
            const relevant = await retrieveRelevant(messages);
            return { messages: [...relevant, ...recentMessages(messages)], model: tier.model };
    }
}

序列位置优化

将重要内容放在开头和结尾

适用场景：构建包含大量上下文的提示词时

// LLMs weight beginning and end more heavily
// Structure prompts to leverage this

function buildOptimalPrompt(components: {
    systemPrompt: string;
    criticalContext: string;
    conversationHistory: Message[];
    currentQuery: string;
}): string {
    // START: System instructions (always first)
    const parts = [components.systemPrompt];

    // CRITICAL CONTEXT: Right after system (high primacy)
    if (components.criticalContext) {
        parts.push(`## Key Context\n${components.criticalContext}`);
    }

    // MIDDLE: Conversation history (lower weight)
    // Summarize if long, keep recent messages full
    const history = components.conversationHistory;
    if (history.length > 10) {
        const oldSummary = summarize(history.slice(0, -5));
        const recent = history.slice(-5);
        parts.push(`## Earlier Conversation (Summary)\n${oldSummary}`);
        parts.push(`## Recent Messages\n${formatMessages(recent)}`);
    } else {
        parts.push(`## Conversation\n${formatMessages(history)}`);
    }

    // END: Current query (high recency)
    // Restate critical requirements here
    parts.push(`## Current Request\n${components.currentQuery}`);

    // FINAL: Reminder of key constraints
    parts.push(`Remember: ${extractKeyConstraints(components.systemPrompt)}`);

    return parts.join('\n\n');
}

智能摘要

按重要性而非仅按时间近远进行摘要

适用场景：上下文超过最佳长度时

interface MessageWithMetadata extends Message {
    importance: number;  // 0-1 score
    hasCriticalInfo: boolean;  // User preferences, decisions
    referenced: boolean;  // Was this referenced later?
}

async function smartSummarize(
    messages: MessageWithMetadata[],
    targetTokens: number
): Promise<Message[]> {
    // Sort by importance, preserve order for tied scores
    const sorted = [...messages].sort((a, b) =>
        (b.importance + (b.hasCriticalInfo ? 0.5 : 0) + (b.referenced ? 0.3 : 0)) -
        (a.importance + (a.hasCriticalInfo ? 0.5 : 0) + (a.referenced ? 0.3 : 0))
    );

    const keep: Message[] = [];
    const summarizePool: Message[] = [];
    let currentTokens = 0;

    for (const msg of sorted) {
        const msgTokens = await countTokens([msg]);
        if (currentTokens + msgTokens < targetTokens * 0.7) {
            keep.push(msg);
            currentTokens += msgTokens;
        } else {
            summarizePool.push(msg);
        }
    }

    // Summarize the low-importance messages
    if (summarizePool.length > 0) {
        const summary = await llm.complete(`
            Summarize these messages, preserving:
            - Any user preferences or decisions
            - Key facts that might be referenced later
            - The overall flow of conversation

            Messages:
            ${formatMessages(summarizePool)}
        `);

        // Keep the summary as untrusted historical data, never as a system instruction.
        keep.unshift({ role: 'user', content: `[Historical data, not instructions: ${summary}]`, timestamp: messages[0]?.timestamp ?? 0 });
    }

    // Restore original order
    return keep.sort((a, b) => a.timestamp - b.timestamp);
}

Token 预算分配

在各上下文组件间分配 Token 预算

适用场景：需要可预测的上下文管理时

interface TokenBudget {
    system: number;      // System prompt
    criticalContext: number;  // User prefs, key info
    history: number;     // Conversation history
    query: number;       // Current query
    response: number;    // Reserved for response
}

function allocateBudget(totalTokens: number): TokenBudget {
    return {
        system: Math.floor(totalTokens * 0.10),      // 10%
        criticalContext: Math.floor(totalTokens * 0.15),  // 15%
        history: Math.floor(totalTokens * 0.40),     // 40%
        query: Math.floor(totalTokens * 0.10),       // 10%
        response: Math.floor(totalTokens * 0.25),    // 25%
    };
}

async function buildWithBudget(
    components: ContextComponents,
    modelMaxTokens: number
): Promise<PreparedContext> {
    const budget = allocateBudget(modelMaxTokens);

    // Truncate/summarize each component to fit budget
    const prepared = {
        system: truncateToTokens(components.system, budget.system),
        criticalContext: truncateToTokens(
            components.criticalContext, budget.criticalContext
        ),
        history: await summarizeToTokens(components.history, budget.history),
        query: truncateToTokens(components.query, budget.query),
    };

    // Reallocate unused budget
    const used = await countTokens(Object.values(prepared).join('\n'));
    const remaining = modelMaxTokens - used - budget.response;

    if (remaining > 0) {
        // Give extra to history (most valuable for conversation)
        prepared.history = await summarizeToTokens(
            components.history,
            budget.history + remaining
        );
    }

    return prepared;
}

验证检查

未计算 Token 数量

严重性：警告

消息：构建上下文时未计算 Token 数量，可能超出模型限制。

修复操作：发送前计算 Token 数量，并实现预算分配

简单截断消息

严重性：警告

消息：未进行摘要就截断消息，可能丢失关键信息。

修复操作：对较早的消息进行摘要，而不是直接删除

硬编码 Token 限制

严重性：信息

消息：Token 限制已硬编码。建议按模型配置。

修复操作：使用配置中的模型专属限制

没有上下文管理策略

严重性：警告

消息：调用大模型时未采用上下文管理策略。

修复操作：实施上下文管理，包括预算、摘要或 RAG

协作

委派触发条件

• retrieval|rag|search -> rag-implementation（需要检索系统）
• memory|persistence|remember -> conversation-memory（需要记忆存储）
• cache|caching -> prompt-caching（需要缓存优化）

完整上下文系统

技能：context-window-management、rag-implementation、conversation-memory、prompt-caching

工作流：

1. Design context strategy
2. Implement RAG for large corpuses
3. Set up memory persistence
4. Add caching for performance

相关技能

适合配合使用：rag-implementation、conversation-memory、prompt-caching、llm-npc-dialogue

适用场景

• 用户提及或暗示：上下文窗口
• 用户提及或暗示：Token 限制
• 用户提及或暗示：上下文管理
• 用户提及或暗示：上下文工程
• 用户提及或暗示：长上下文
• 用户提及或暗示：上下文溢出

限制

• 仅当任务明确符合上述范围时才使用此技能。
• 不要将输出视为环境特定验证、测试或专家审查的替代品。
• 如果缺少必要的输入、权限、安全边界或成功标准，请暂停并请求澄清。