上下文压缩
Compaction
学到 认得 就够：听到能明白
你可能会说
“我和助手修论文修到一半，它似乎忘了哪些修改已确认；压缩对话时该保住什么？”
上下文压缩把较长历史整理成更短的状态表示，供后续步骤继续工作；常见做法是总结关键决策与未完成事项，同时减少冗余细节。
使用 AI
科研里的例子
在一轮实证复现结束时，留下已运行脚本、输出位置、失败检查和待处理样本，而不是只写“基本完成，继续润色”。
压缩是为了让任务能够跨越有限的工作上下文，不是把全部历史无损装进更小空间。摘要可能漏掉例外、证据边界或尚未确认的分歧，因此需要保存原始产物和稳定链接。不同产品也可能清除旧工具结果、保留部分最近文件，具体行为不统一。科研任务尤其应把已确认决定、原文出处与下一步依赖分别记录，防止摘要把提案写成结论。
在你的学科里，直接拿去用
把模糊需求变成可执行任务
我不熟悉AI术语。请把我的需求转成明确的任务说明。 我的原话：[粘贴] 可用材料：[列出文件、表、链接或说明目前没有材料] 使用者与用途：[填写] 先用普通中文复述目标，再给需要时才用的关键中英术语。区分任务、输入、约束、输出和可检查的完成标准。若缺项会实质改变结果，最多问3个问题；其他假设明确列出。先交付任务说明，不擅自执行与改文件。方括号里的内容换成你自己的。来自知识增量《科研中英表达与 Prompt 指南》PG01
判断
亲手检查一次
抽查一个重要限制条件和一个未完成步骤，看压缩后是否仍能找到；关键原文和结果文件应能通过链接重新打开。
它做不到的
压缩后的表述可能比原对话更肯定；恢复工作时不能只凭摘要认定某篇文章读过或某个模型已经通过检验。
增量，由你来写
读完这张，你的理解变了什么？
留言功能会在后面的版本开放。现在可以先在 X 上 @knowledgedelta 告诉我。
来源
- Anthropic — Effective context engineering2026-11-06 核对
- Anthropic — Effective harnesses for long-running agents2026-11-06 核对
卡片底稿由 AI 协助整理，经过核对；发现错误请告诉我。