上下文压缩与缓存

AigenLabs Agent 使用双重压缩系统和 Anthropic prompt（提示词）缓存，在长对话中高效管理上下文窗口用量。

源文件：agent/context_engine.py（ABC）、agent/context_compressor.py（默认引擎）、 agent/prompt_caching.py、gateway/run.py（会话清理）、run_agent.py（搜索 _compress_context）

可插拔上下文引擎

上下文管理基于 ContextEngine ABC（agent/context_engine.py）构建。内置的 ContextCompressor 是默认实现，但插件可以用其他引擎替换它（例如无损上下文管理）。

context:
  engine: "compressor"    # default — built-in lossy summarization
  engine: "lcm"           # example — plugin providing lossless context

引擎负责：

决定何时触发压缩（should_compress()）
执行压缩（compress()）
可选地暴露 agent 可调用的工具（例如 lcm_grep）
追踪 API 响应中的 token 用量

通过 config.yaml 中的 context.engine 进行配置驱动选择。解析顺序：

检查 plugins/context_engine/<name>/ 目录
检查通用插件系统（register_context_engine()）
回退到内置 ContextCompressor

插件引擎永远不会自动激活——用户必须在 context.engine 中显式设置插件名称。默认的 "compressor" 始终使用内置实现。

通过 aigenlabs plugins → Provider Plugins → Context Engine 进行配置，或直接编辑 config.yaml。

关于构建上下文引擎插件，请参阅 Context Engine 插件。

双重压缩系统

AigenLabs 有两个独立运行的压缩层：

                     ┌──────────────────────────┐
  Incoming message   │   Gateway Session Hygiene │  Fires at 85% of context
  ─────────────────► │   (pre-agent, rough est.) │  Safety net for large sessions
                     └─────────────┬────────────┘
                                   │
                                   ▼
                     ┌──────────────────────────┐
                     │   Agent ContextCompressor │  Fires at 50% of context (default)
                     │   (in-loop, real tokens)  │  Normal context management
                     └──────────────────────────┘

1. Gateway 会话清理（85% 阈值）

位于 gateway/run.py（搜索 Session hygiene: auto-compress）。这是一个安全网，在 agent 处理消息之前运行。它防止会话在两次交互之间增长过大时（例如 Telegram/Discord 中的隔夜积累）导致 API 失败。

阈值：固定为模型上下文长度的 85%
Token 来源：优先使用上一轮 API 实际报告的 token 数；回退到基于字符的粗略估算（estimate_messages_tokens_rough）
触发条件：仅当 len(history) >= 4 且压缩已启用时
目的：捕获逃过 agent 自身压缩器的会话

Gateway 清理阈值有意高于 agent 压缩器的阈值。将其设置为 50%（与 agent 相同）会导致长 gateway 会话在每一轮都过早触发压缩。

2. Agent ContextCompressor（50% 阈值，可配置）

位于 agent/context_compressor.py。这是主要压缩系统，在 agent 的工具循环内运行，可访问准确的 API 报告 token 数。

配置

所有压缩设置从 config.yaml 的 compression 键读取：

compression:
  enabled: true              # Enable/disable compression (default: true)
  threshold: 0.50            # Fraction of context window (default: 0.50 = 50%)
  target_ratio: 0.20         # How much of threshold to keep as tail (default: 0.20)
  protect_last_n: 20         # Minimum protected tail messages (default: 20)

# Summarization model/provider configured under auxiliary:
auxiliary:
  compression:
    model: null              # Override model for summaries (default: auto-detect)
    provider: auto           # Provider: "auto", "openrouter", "nous", "main", etc.
    base_url: null           # Custom OpenAI-compatible endpoint

参数详情

参数	默认值	范围	描述
`threshold`	`0.50`	0.0-1.0	当 prompt token 数 ≥ `threshold × context_length` 时触发压缩
`target_ratio`	`0.20`	0.10-0.80	控制尾部保护 token 预算：`threshold_tokens × target_ratio`
`protect_last_n`	`20`	≥1	始终保留的最近消息最小数量
`protect_first_n`	`3`	（硬编码）	系统提示词 + 首次交互始终保留

计算值（200K 上下文模型，默认参数）

context_length       = 200,000
threshold_tokens     = 200,000 × 0.50 = 100,000
tail_token_budget    = 100,000 × 0.20 = 20,000
max_summary_tokens   = min(200,000 × 0.05, 12,000) = 10,000

压缩算法

ContextCompressor.compress() 方法遵循 4 阶段算法：

阶段 1：清除旧工具结果（廉价，无需 LLM 调用）

保护尾部之外的旧工具结果（>200 字符）将被替换为：

[Old tool output cleared to save context space]

这是一个廉价的预处理步骤，可从冗长的工具输出（文件内容、终端输出、搜索结果）中节省大量 token。

阶段 2：确定边界

┌─────────────────────────────────────────────────────────────┐
│  Message list                                               │
│                                                             │
│  [0..2]  ← protect_first_n (system + first exchange)        │
│  [3..N]  ← middle turns → SUMMARIZED                        │
│  [N..end] ← tail (by token budget OR protect_last_n)        │
│                                                             │
└─────────────────────────────────────────────────────────────┘

尾部保护基于 token 预算：从末尾向前遍历，累积 token 直到预算耗尽。如果预算保护的消息数少于固定的 protect_last_n，则回退到该固定数量。

边界对齐以避免拆分 tool_call/tool_result 组。_align_boundary_backward() 方法会跳过连续的工具结果，找到父级 assistant 消息，保持组的完整性。

阶段 3：生成结构化摘要

摘要模型上下文长度

摘要模型的上下文窗口必须至少与主 agent 模型一样大。整个中间部分通过单次 call_llm(task="compression") 调用发送给摘要模型。如果摘要模型的上下文更小，API 将返回上下文长度错误——_generate_summary() 会捕获该错误，记录警告并返回 None。压缩器随后会在没有摘要的情况下丢弃中间轮次，静默丢失对话上下文。这是压缩质量下降最常见的原因。

中间轮次使用辅助 LLM 以结构化模板进行摘要：

## Goal
[What the user is trying to accomplish]

## Constraints & Preferences
[User preferences, coding style, constraints, important decisions]

## Progress
### Done
[Completed work — specific file paths, commands run, results]
### In Progress
[Work currently underway]
### Blocked
[Any blockers or issues encountered]

## Key Decisions
[Important technical decisions and why]

## Relevant Files
[Files read, modified, or created — with brief note on each]

## Next Steps
[What needs to happen next]

## Critical Context
[Specific values, error messages, configuration details]

摘要预算随被压缩内容的量动态调整：

公式：content_tokens × 0.20（_SUMMARY_RATIO 常量）
最小值：2,000 token
最大值：min(context_length × 0.05, 12,000) token

阶段 4：组装压缩后的消息

压缩后的消息列表为：

头部消息（首次压缩时在系统提示词后追加一条说明）
摘要消息（角色经过选择以避免连续相同角色违规）
尾部消息（未修改）

_sanitize_tool_pairs() 清理孤立的 tool_call/tool_result 对：

引用已删除调用的工具结果 → 删除
结果已被删除的工具调用 → 注入存根结果

迭代重压缩

在后续压缩中，前一次摘要会连同指令一起传递给 LLM，要求其更新摘要而非从头摘要。这在多次压缩中保留了信息——条目从"进行中"移至"已完成"，新进展被添加，过时信息被删除。

压缩器实例上的 _previous_summary 字段存储最后一次摘要文本以供此用途。

压缩前后示例

压缩前（45 条消息，约 95K token）

[0] system:    "You are a helpful assistant..." (system prompt)
[1] user:      "Help me set up a FastAPI project"
[2] assistant: <tool_call> terminal: mkdir project </tool_call>
[3] tool:      "directory created"
[4] assistant: <tool_call> write_file: main.py </tool_call>
[5] tool:      "file written (2.3KB)"
    ... 30 more turns of file editing, testing, debugging ...
[38] assistant: <tool_call> terminal: pytest </tool_call>
[39] tool:      "8 passed, 2 failed\n..."  (5KB output)
[40] user:      "Fix the failing tests"
[41] assistant: <tool_call> read_file: tests/test_api.py </tool_call>
[42] tool:      "import pytest\n..."  (3KB)
[43] assistant: "I see the issue with the test fixtures..."
[44] user:      "Great, also add error handling"

压缩后（25 条消息，约 45K token）

[0] system:    "You are a helpful assistant...
               [Note: Some earlier conversation turns have been compacted...]"
[1] user:      "Help me set up a FastAPI project"
[2] assistant: "[CONTEXT COMPACTION] Earlier turns were compacted...

               ## Goal
               Set up a FastAPI project with tests and error handling

               ## Progress
               ### Done
               - Created project structure: main.py, tests/, requirements.txt
               - Implemented 5 API endpoints in main.py
               - Wrote 10 test cases in tests/test_api.py
               - 8/10 tests passing

               ### In Progress
               - Fixing 2 failing tests (test_create_user, test_delete_user)

               ## Relevant Files
               - main.py — FastAPI app with 5 endpoints
               - tests/test_api.py — 10 test cases
               - requirements.txt — fastapi, pytest, httpx

               ## Next Steps
               - Fix failing test fixtures
               - Add error handling"
[3] user:      "Fix the failing tests"
[4] assistant: <tool_call> read_file: tests/test_api.py </tool_call>
[5] tool:      "import pytest\n..."
[6] assistant: "I see the issue with the test fixtures..."
[7] user:      "Great, also add error handling"

Prompt 缓存（Anthropic）

来源：agent/prompt_caching.py

通过缓存对话前缀，在多轮对话中将输入 token 成本降低约 75%。使用 Anthropic 的 cache_control 断点。

策略：system_and_3

Anthropic 每次请求最多允许 4 个 cache_control 断点。AigenLabs 使用"system_and_3"策略：

Breakpoint 1: System prompt           (stable across all turns)
Breakpoint 2: 3rd-to-last non-system message  ─┐
Breakpoint 3: 2nd-to-last non-system message   ├─ Rolling window
Breakpoint 4: Last non-system message          ─┘

工作原理

apply_anthropic_cache_control() 深拷贝消息并注入 cache_control 标记：

# Cache marker format
marker = {"type": "ephemeral"}
# Or for 1-hour TTL:
marker = {"type": "ephemeral", "ttl": "1h"}

标记根据内容类型以不同方式应用：

内容类型	标记位置
字符串内容	转换为 `[{"type": "text", "text": ..., "cache_control": ...}]`
列表内容	添加到最后一个元素的字典中
None/空	作为 `msg["cache_control"]` 添加
工具消息	作为 `msg["cache_control"]` 添加（仅限原生 Anthropic）

缓存感知设计模式

稳定的系统提示词：系统提示词是断点 1，在所有轮次中缓存。避免在对话中途修改它（压缩仅在首次压缩时追加一条说明）。
消息顺序很重要：缓存命中需要前缀匹配。在中间添加或删除消息会使其后所有内容的缓存失效。
压缩与缓存的交互：压缩后，被压缩区域的缓存失效，但系统提示词缓存保留。滚动 3 消息窗口在 1-2 轮内重新建立缓存。
TTL 选择：默认为 5m（5 分钟）。对于用户在轮次之间有较长间隔的长时间会话，使用 1h。

启用 Prompt 缓存

满足以下条件时，prompt 缓存自动启用：

模型为 Anthropic Claude 模型（通过模型名称检测）
提供商支持 cache_control（原生 Anthropic API 或 OpenRouter）

# config.yaml — TTL is configurable (must be "5m" or "1h")
prompt_caching:
  cache_ttl: "5m"

CLI 在启动时显示缓存状态：

💾 Prompt caching: ENABLED (Claude via OpenRouter, 5m TTL)

上下文压力警告

中间上下文压力警告已被移除（参见 run_agent.py 中的迭代预算块，其中注明："No intermediate pressure warnings — they caused models to 'give up' prematurely on complex tasks"）。压缩在 prompt token 达到配置的 compression.threshold（默认 50%）时触发，无需事先警告步骤；gateway 会话清理作为二级安全网在模型上下文窗口的 85% 处触发。

可插拔上下文引擎​

双重压缩系统​

1. Gateway 会话清理（85% 阈值）​

2. Agent ContextCompressor（50% 阈值，可配置）​

配置​

参数详情​

计算值（200K 上下文模型，默认参数）​

压缩算法​

阶段 1：清除旧工具结果（廉价，无需 LLM 调用）​

阶段 2：确定边界​

阶段 3：生成结构化摘要​

阶段 4：组装压缩后的消息​

迭代重压缩​

压缩前后示例​

压缩前（45 条消息，约 95K token）​

压缩后（25 条消息，约 45K token）​

Prompt 缓存（Anthropic）​

策略：system_and_3​

工作原理​

缓存感知设计模式​

启用 Prompt 缓存​

上下文压力警告​