# 上下文窗口不是无限记忆

## 元数据

- 书名：Claude Code 源码解析：一份价值数十亿美元的AI工程蓝图
- 作者：花叔
- 章节：07 上下文管理：长对话的生存术
- 定位：AI PM / Agent 产品 / AI 工程架构面试
- 优先级：P0
- 标签：context-management, compaction, long-session

## 面试问题

为什么长上下文仍然需要压缩？

## 30 秒回答

长上下文解决了容量问题的一部分，但成本、延迟、注意力稀释和无关信息干扰仍然存在。压缩是为了保留任务连续性，而不是机械缩短文本。

## 展开要点

- 上下文越长，模型越难稳定关注关键约束。
- 压缩需要区分目标、决策、文件状态、用户偏好和未完成任务。
- 压缩本身也消耗窗口，因此要预留缓冲。

## 高频追问

- 长上下文和 RAG 是否能替代压缩？
- 压缩摘要应该包含哪些字段？
- 压缩后如何避免丢需求？

## 项目映射

- 求职资料拆解长会话中保留：已处理书目、生成路径、待办、发布状态。
- 在多轮项目里设置阶段性摘要和可恢复 checkpoint。

## AI PM 迁移

AI PM 要把上下文压缩设计成状态管理，而不是简单摘要功能。

## 备注

本卡为面试复习用的主题重构和答题框架，不保存原书正文或源码内容。