和 LLM 交互：messages 数组和 token 里讲过 LLM 是无状态的，要让模型「记住」之前聊了什么，唯一的办法就是把完整对话历史塞进 messages 数组。
这意味着会话越长，每次请求要发的东西就越多。你和 Claude Code 聊一两个小时，messages 数组里塞着几十轮对话、几百次工具调用、读过的文件原文，token 数能轻松冲到十几万。
长上下文不仅贵，还会让模型出现「中间迷失」，关键信息淹没在大量历史细节里，回答质量明显下降。更糟的是上下文满了之后，模型就无法回复了，只能给你一个错误信息。
通用的解法是上下文压缩，把太长的对话历史压一压，腾出空间继续聊。Claude Code 作为一个工业级 Coding Agent，这一篇我们就以它为例，看下它在上下文压缩上有哪些做法值得借鉴。
Claude Code 的压缩有两种触发方式。一种是手动压缩，你随时可以敲 /compact 命令主动触发一次，比如自己感觉聊得太多了想总结一下。另一种是自动压缩，上下文快满时系统自己跑一次压缩，腾出上下文空间让你继续聊。
手动压缩和自动压缩触发时机不一样，但是底层原理是一样的。
压缩的具体做法是什么呢？最朴素的想法是直接丢掉最早的 N 条消息，但这样会丢掉很多关键信息：用户最早提的需求、之前修过的 bug、走过弯路的 debug 痕迹，这些信息里随便丢一条，都可能让模型在后面犯一样的错。
更聪明的做法是让 LLM 把整段对话压成一份摘要，再基于这份历史对话的摘要继续聊，这样信息的密度更高，关键意图也不会丢。
Claude Code 走的就是这条路，当触发上下文压缩时，它就会把当前 session 所有对话历史，以及一段压缩 Prompt 发送给模型，要求模型基于会话内容总结一份摘要。然后新开一个上下文窗口，仅保留这份摘要，你就可以继续聊了。
但这条路还有几个工程问题要解决：哪些信息要保留，哪些需要去除？摘要写成什么样效果才最好？
说白了就是，压缩 Prompt 要怎么写，才能尽可能保留关键信息，让模型流畅地继续执行任务？
我们不妨直接参考 Claude Code，看看它是怎么写压缩命令的，完整 prompt 如下：