前端进阶之旅前端进阶之旅
  • 基础篇HTML/CSS/JS 打底
  • 进阶篇原理与工程化
  • 高频篇面试最常问的那批
  • 精选篇按模块收敛的总结
  • 手写篇常考代码手写实现
  • 面经篇真实面试问题复盘
  • AI 篇NEWAI 时代的前端考点
  • 历年面经NEW按年份追踪真实考点
  • 每日一题每天一道,攒手感
  • 专项自测100 题快速查漏
  • 小程序题库小程序专项刷题
  • 算法题库NEW在线编码即时判题
  • 知识卡片NEW碎片时间过考点
  • 面试题大全常见问题解析
  • AI 答疑NEW随时提问,即时解析
  • AI 模拟面试NEW模拟真实面试 + 报告
  • AI 定制路线NEW按你的简历现排
  • AI 知识地图NEW串起全站知识点
  • 原理篇React / Vue 源码拆解
  • HTTP从报文一路讲到 HTTPS
  • 浏览器渲染、事件循环、进程
  • 计算机基础Linux、网络、操作系统
  • 设计模式23 种模式怎么用
  • Node学习指南从环境搭建到服务端
  • NPM工作流script、依赖与发布
  • Docker容器化部署上手
  • Canvas图形与动画实战
  • 前端系统进阶学习大型项目工程化
  • 前端综合文章长期沉淀的实践文
  • 思维导图知识点全景图
  • 学习路线按图索骥不跑偏
  • AI 热点NEWAI 每日动态
  • 公众号动态公众号历史文章
  • 博客动态站长的技术博客
  • 开发者导航常用工具与文档站
  • 基础篇HTML/CSS/JS 打底
  • 进阶篇原理与工程化
  • 高频篇面试最常问的那批
  • 精选篇按模块收敛的总结
  • 手写篇常考代码手写实现
  • 面经篇真实面试问题复盘
  • AI 篇NEWAI 时代的前端考点
  • 历年面经NEW按年份追踪真实考点
  • 每日一题每天一道,攒手感
  • 专项自测100 题快速查漏
  • 小程序题库小程序专项刷题
  • 算法题库NEW在线编码即时判题
  • 知识卡片NEW碎片时间过考点
  • 面试题大全常见问题解析
  • AI 答疑NEW随时提问,即时解析
  • AI 模拟面试NEW模拟真实面试 + 报告
  • AI 定制路线NEW按你的简历现排
  • AI 知识地图NEW串起全站知识点
  • 原理篇React / Vue 源码拆解
  • HTTP从报文一路讲到 HTTPS
  • 浏览器渲染、事件循环、进程
  • 计算机基础Linux、网络、操作系统
  • 设计模式23 种模式怎么用
  • Node学习指南从环境搭建到服务端
  • NPM工作流script、依赖与发布
  • Docker容器化部署上手
  • Canvas图形与动画实战
  • 前端系统进阶学习大型项目工程化
  • 前端综合文章长期沉淀的实践文
  • 思维导图知识点全景图
  • 学习路线按图索骥不跑偏
  • AI 热点NEWAI 每日动态
  • 公众号动态公众号历史文章
  • 博客动态站长的技术博客
  • 开发者导航常用工具与文档站
首页程序员面试题库Agent 对话摘要触发条件和内容粒度
AIAI Agent记忆与状态

Agent 对话摘要应该什么时候生成,哪些内容必须保留?

摘要的质量要看下一轮能否正确接着做,而不是看压缩后的文字有多短。

前端进阶之旅 · 一题精讲更新于 2026.09.06
AI Agent#记忆与状态#Agent 记忆#安全
先看核心答案
理解线索

摘要保留三个层次

  1. 任务契约目标、范围、用户已确认的限制与授权
  2. 执行状态已产生产物、实际验证结果和待完成事项
  3. 证据索引原始对话、文件版本、工具输出的可定位入口

以下字段组织是可按项目调整的工程方案,框架不会自动保证摘要事实完整。

核心回答

先记住这个答案

Agent 对话摘要可以在上下文接近预留预算、任务阶段结束或准备恢复执行时生成,不宜只用固定消息条数判断。内容围绕继续任务所需的信息组织:真实目标、用户约束、已完成产物及证据、当前阻塞、下一步和关键来源位置。保留近期操作细节,较早记录按决策与结果压缩。摘要是一份可核查的工作交接,不能代替原始证据,也不能把猜测压缩成用户已经确认的事实。

  • 用剩余上下文和下一步信息需求共同决定摘要时机
  • 保留约束、证据路径和未完成状态,减少重复日志
  • 每次恢复检查关键事实是否过期,避免摘要递归失真

怎样选择压缩时机

可以先为下一轮推理、工具结果和最终输出预留空间,再根据当前上下文占用判断是否需要压缩。一条工具日志可能比几十条短消息更长,按消息条数触发容易在大文件返回后失控。预算应通过真实任务记录校准,不能把某个固定百分比当作所有模型和业务的最优值。

任务完成一个阶段时也适合整理状态。例如代码修改完成但还没验证,应明确保存修改文件、尚未运行的检查和失败风险。这样即使上下文仍够用,之后恢复也能快速定位进度,不必重新阅读整段探索过程。

如何避免把关键事实压掉

以修复登录故障为例,摘要需要保留复现条件、采用的修复、测试命令与结果、未验证的平台,以及用户对发布范围的要求。几十次重复搜索可以概括为已经排除的方向,但导致当前决策的那条错误日志需要留下路径、时间或其他可定位信息。

近期未完成工具调用要保留任务标识及结果读取方式,不能写成操作已经成功。授权也要注明适用对象与边界,不能从允许检查推导出允许发布。摘要保存后可用一组关键问题自查:下一轮知道还缺什么吗,能找到证据吗,会不会重复执行已有外部效果?

如何处理摘要漂移与过期

连续把上一次摘要再压缩,会让细节逐渐消失,还可能把不确定推断写成确定结论。应保留原始记录,给重要事实关联来源,并在涉及目标、约束或状态冲突时回读原文。长久有效的偏好与当前任务进度最好分开管理,避免临时结论被当成长期规则。

恢复执行时要核查易变信息,例如文件是否又被修改、后台任务是否已完成。摘要的时间与版本帮助判断可信范围;一旦证据更新,就替换对应状态。评估摘要应观察恢复后的重复工作、遗漏约束和事实错误,而不只比较压缩率。

回答前,多想一步

容易答错的地方

只留下最后一句结论
没有原因和来源的结论难以在环境变化后复核。至少保存影响后续决策的条件与证据入口。排查“Agent 对话摘要触发条件和内容粒度”时还要核对输入、版本和执行顺序,并用反例确认修复后的边界。
把摘要当作新的最高指令
外部工具文本、模型猜测和用户要求的权限不同,压缩时必须保留出处,不能把它们合并成同等可信的命令。
试着用自己的话回答

面试官还会怎么问?

需要保存全部工具输出吗?

通常保留关键片段、结论和可重取的位置即可。不可重取且直接影响决策的数据要提高保留优先级,敏感内容仍按原有访问范围处理。

摘要越详细越好吗?

过长摘要会再次淹没当前工作。按下一步任务需要安排信息密度,把暂时无关的材料放在可检索记录里。

如何知道摘要漏了重要内容?

选取真实长任务,在压缩前后检查目标、授权、产物和失败状态是否一致,并观察恢复运行是否出现重复操作或遗漏检查。

从一道题,走向一组知识

把知识连起来

记忆与状态

AI Agent 中短期记忆与长期记忆的划分依据是什么,各自该存什么内容?

对照线程内状态与长期知识的不同寿命

任务规划

用户目标含糊时,Agent 应先澄清还是直接分解任务?

保留用户已经澄清的目标和仍未确定的条件

任务规划

LLM Agent 什么时候值得采用分层任务分解?

按任务层次组织可恢复的执行进度

参考资料

  • Anthropic:上下文管理中的压缩与笔记

示例用于理解所注明的运行环境与边界;延伸学习可结合原文中的更多案例。

本题目录
  1. 先记住这个答案
  2. 怎样选择压缩时机
  3. 如何避免把关键事实压掉
  4. 如何处理摘要漂移与过期
  5. 容易答错的地方
  6. 面试官还会怎么问
  7. 把知识连起来
读懂,再试着讲出来

先看核心答案,再读代码。最后展开追问,检查自己有没有遗漏边界。

试着回答追问
浏览全部面试题理解原理,也关注真实的使用场景。回到顶部 ↑