Estratégias de Compressão de Contexto

Quando as sessões de agentes geram milhões de tokens de histórico de conversas, a compressão se torna obrigatória. A abordagem ingênua é a compressão agressiva para minimizar tokens por solicitação. O alvo de otimização correto é tokens por tarefa: tokens totais consumidos para completar uma tarefa, incluindo custos de re-busca quando a compressão perde informações críticas.

Quando Usar

Ative esta habilidade quando:

• Sessões de agentes excederem os limites da janela de contexto
• Bases de código excederem as janelas de contexto (sistemas de 5M+ tokens)
• Projetando estratégias de sumarização de conversas
• Depurando casos onde agentes "esquecem" quais arquivos modificaram
• Construindo frameworks de avaliação para qualidade de compressão

Conceitos Principais

A compressão de contexto troca economia de tokens contra perda de informação. Três abordagens prontas para produção existem:

1. Sumarização Iterativa Ancorada: Mantenha resumos estruturados e persistentes com seções explícitas para intenção da sessão, modificações de arquivos, decisões e próximos passos. Quando a compressão é acionada, resuma apenas o trecho recém-truncado e mescle com o resumo existente. A estrutura força a preservação ao dedicar seções a tipos específicos de informação.

2. Compressão Opaca: Produza representações comprimidas otimizadas para fidelidade de reconstrução. Alcança as maiores taxas de compressão (99%+) mas sacrifica a interpretabilidade. Não é possível verificar o que foi preservado.

3. Resumo Completo Regenerativo: Gere resumos estruturados detalhados em cada compressão. Produz saída legível mas pode perder detalhes em ciclos de compressão repetidos devido à regeneração completa em vez de mesclagem incremental.

A percepção crítica: a estrutura força a preservação. Seções dedicadas agem como checklists que o sumarizador deve preencher, prevenindo a deriva silenciosa de informação.

Tópicos Detalhados

Por Que Tokens-Por-Tarefa Importa

Métricas tradicionais de compressão visam tokens-por-solicitação. Esta é a otimização errada. Quando a compressão perde detalhes críticos como caminhos de arquivos ou mensagens de erro, o agente precisa re-buscar informações, re-explorar abordagens e desperdiçar tokens recuperando contexto.

A métrica correta é tokens-por-tarefa: tokens totais consumidos do início ao fim da tarefa. Uma estratégia de compressão que economiza 0,5% a mais de tokens mas causa 20% mais custos de re-busca custa mais no geral.

O Problema da Trilha de Artefatos

A integridade da trilha de artefatos é a dimensão mais fraca em todos os métodos de compressão, pontuando 2,2-2,5 de 5,0 em avaliações. Mesmo a sumarização estruturada com seções explícitas de arquivos luta para manter o rastreamento completo de arquivos em sessões longas.

Agentes de codificação precisam saber:

• Quais arquivos foram criados
• Quais arquivos foram modificados e o que mudou
• Quais arquivos foram lidos mas não alterados
• Nomes de funções, nomes de variáveis, mensagens de erro

Este problema provavelmente requer tratamento especializado além da sumarização geral: um índice de artefatos separado ou rastreamento explícito de estado de arquivo no scaffolding do agente.

Seções de Resumo Estruturado

Resumos estruturados eficazes incluem seções explícitas:

## Session Intent
[What the user is trying to accomplish]

## Files Modified
- auth.controller.ts: Fixed JWT token generation
- config/redis.ts: Updated connection pooling
- tests/auth.test.ts: Added mock setup for new config

## Decisions Made
- Using Redis connection pool instead of per-request connections
- Retry logic with exponential backoff for transient failures

## Current State
- 14 tests passing, 2 failing
- Remaining: mock setup for session service tests

## Next Steps
1. Fix remaining test failures
2. Run full test suite
3. Update documentation

Esta estrutura impede a perda silenciosa de caminhos de arquivos ou decisões porque cada seção deve ser explicitamente abordada.

Estratégias de Gatilho de Compressão

Quando acionar a compressão importa tanto quanto como comprimir:

A abordagem de janela deslizante com resumos estruturados fornece o melhor equilíbrio entre previsibilidade e qualidade para a maioria dos casos de uso de agentes de codificação.

Avaliação Baseada em Sonda

…