对话上下文是 Agent 的短期记忆，包含当前会话中的所有消息（用户输入、Agent 回复、工具调用及结果）。合理管理上下文对于 Agent 的推理质量和成本控制至关重要。
上下文结构
每一轮对话由以下消息组成：
用户消息 → Agent 思考 → 工具调用 → 工具结果 → ... → Agent 最终回复
agent_max_steps 控制），所有工具调用和结果都会保留在上下文中，直到被压缩或裁剪。
关键配置
| 参数 | 说明 | 默认值 |
|---|
agent_max_context_tokens | 上下文最大 token 预算 | 50000 |
agent_max_context_turns | 上下文最大对话轮次 | 20 |
agent_max_steps | 单轮对话最大决策步数（工具调用次数） | 15 |
config.json 或对话中的 /config 命令修改。
压缩策略
当上下文超出限制时，系统会自动执行压缩以释放空间。整个过程分为多个阶段：
1. 工具结果截断
在每次决策循环开始前，系统会检查历史轮次中的工具调用结果。超过 20000 字符 的工具结果会被截断，仅保留首尾内容和截断说明。当前轮次的工具结果不受影响。
2. 轮次裁剪
当对话轮次超过 agent_max_context_turns 时：
- 裁剪 最早一半 的完整轮次（保证工具调用链的完整性）
- 被裁剪的消息会通过 LLM 总结后写入当天的日级记忆文件
- 剩余轮次保持不变
3. Token 预算裁剪
裁剪轮次后，如果 token 数仍超出预算：
- 轮次 < 5 时：对所有轮次进行文本压缩 — 每轮只保留第一条用户文本和最后一条 Agent 回复，去掉中间的工具调用链
- 轮次 ≥ 5 时：再次裁剪前半轮次，被丢弃内容同样写入记忆
4. 溢出应急处理
当模型 API 返回上下文溢出错误时：
- 先将当前所有消息总结写入记忆
- 执行激进裁剪（工具结果限制 10K 字符、用户文本限制 10K、最多保留 5 轮）
- 如果仍然溢出，清空整个对话上下文
会话持久化
对话消息会持久化到本地数据库，服务重启后自动恢复。恢复策略：
- 恢复最近的
max(3, max_context_turns / 6) 轮对话
- 只保留每轮的用户文本和 Agent 最终回复，不恢复中间工具调用链
- 超过 30 天的历史会话自动清理
操作命令
在对话中可以使用以下命令管理上下文：
| 命令 | 说明 |
|---|
/context | 查看当前上下文统计（消息数、角色分布、总字符数） |
/context clear | 清空当前会话上下文 |
/config agent_max_context_tokens 80000 | 调整上下文 token 预算 |
/config agent_max_context_turns 30 | 调整上下文轮次上限 |
清空上下文后，Agent 会”忘记”之前的对话内容。被裁剪和清空的内容如果已经写入长期记忆，仍可通过记忆检索找回。
