上下文压缩或摘要会丢失信息，如何让损失尽可能小？

核心回答

摘要是有损表示，降低损失的关键是：把任务必需的信息明确保留，把精确材料留在可回查的位置，并验证压缩后能否继续正确完成任务，不能只要求模型“总结得完整”。

1. 关键状态与自由摘要分开：当前目标、有效约束、准确标识、未完成项和已发生的业务动作单独记录；数字、单位、否定条件及技术版本按需要保留原文。
2. 摘要保留出处：长日志和工具结果可以概括，但保存原始版本、消息或片段标识，需要细节时能取回对应内容。
3. 先保证必要信息召回，再提高压缩率：按后续任务决定哪些内容不能丢，特别检查低频技术细节、用户更正和不确定结论。
4. 压缩后校验并可恢复：核对必需字段和约束，用多轮任务回放检查行为；发现遗漏时回读原文、补齐或回退摘要，不能凭摘要继续猜。

压缩率只是成本指标。摘要缩短很多，但把“只诊断，不重启”改成“排查并修复”，就已经改变了任务。

先定义哪些信息丢了会影响后续行动

关键信息不等于出现次数最多的信息。一个只出现一次的错误码、数据库版本、兼容开关或排除条件，可能正是后续定位问题需要的线索。

可以按用途划分：

• 继续执行所需状态：目标、当前步骤、已完成和未完成事项，已创建的工单或已提交的操作及其结果，避免重复执行。
• 不可随意改写的事实：资源 ID、版本、金额与单位、时间范围、路径、错误码，以及有明确语义的原句。
• 判断边界：用户最新更正、禁止事项、前提条件、结论是否已确认，以及相互冲突的证据。
• 可概括的过程：重复讨论、已被替代的尝试、冗长日志和工具输出；仍需保留有用结论与回查位置。

结构化字段也需要核对原文。把错误信息提取进 JSON，并不会自动变成正确事实；用户更正后还要更新生效范围，不能把所有旧约束永久累积。身份与权限仍由应用的可信状态管理，摘要不负责授予权限。

用结构化摘要保留关系，而不只是保留词

以运维排障为例，原对话包含“问题出现在 2.7.3 版本之后”“请求超时阈值是 800 ms”“只做诊断，不重启服务”，并且数据库原因尚未证实。

合适的摘要至少应保留：当前诊断目标、版本变化、带单位的超时设置、禁止重启、已检查结果、仍待验证的假设和下一步。若只保留“新版服务有超时，考虑数据库并修复”，不仅丢掉具体值，还把假设写成了方向确定的结论，并扩大了动作范围。

因此，摘要指令可以明确要求分别记录“已确认事实、待验证假设、未完成项、当前限制和证据位置”。不应要求它为了简短而消除矛盾；尚未解释的冲突应保留各自来源。对于代码、SQL、报错和需要精确引用的条款，常驻摘要只描述用途，使用时读取必要原段，通常比多次转述更稳妥。

冷门细节靠原文索引和按需读取补回

全文可以外置，但引用必须足以定位正确内容，例如文档版本与段落、日志记录 ID、文件修订与行号，或工具结果的存储标识。只留“之前查过日志”无法回查；只留一个可能变化的网页地址，也未必能恢复当时内容。

工具结果可拆成短摘要和原始材料：摘要保留结果状态、关键发现、异常和指针，长文本放在外部。后续问题需要某个技术细节时，结合任务、实体和原始标识检索，再读对应片段。错误码、配置名等精确标识适合关键词或精确匹配，不能只依赖语义相似度。

按需取回也会漏召回，因此要验证指针是否有效、版本是否匹配，以及低频细节能否被找回。外置不是无损使用的保证，而是为恢复信息保留通道。

避免重复处理和多轮摘要的语义漂移

为摘要保存覆盖的消息范围或最后处理位置、摘要版本及来源关系。更新时合并新消息与当前状态，只处理尚未覆盖的增量；已进入摘要的原始消息，不应每轮再次整段拼入，造成重复事实和 Token 膨胀。

同时，不能无限把上一版摘要再缩短。多次转述可能逐渐删掉限定词，把“可能”“未确认”变成确定结论。关键状态保持独立，定期或发现冲突时，从原始记录重建相关部分；摘要版本与覆盖位置也应一同保存，避免恢复后漏处理或重复处理消息。

裁剪历史还要符合模型接口的消息契约。工具调用与结果要保持正确对应；已发生动作及执行状态应可恢复，不能因省略旧工具输出就忘记已经执行过某项操作。摘要中间件的触发和近期保留参数，只解决何时压缩、保留哪段历史，不能自动证明内容保真。

怎样验证损失是否可接受

固定一组多轮轨迹，标注后续必需的事实、否定约束、用户更正、稀有标识和状态变化。让压缩方案继续完成相同任务，检查两层结果：

• 信息层：必需事实保留率、字段和单位正确性、约束遗漏、错误新增事实、来源指针及重取正确率。关键限制应单列，不能被大量普通事实的平均分掩盖。
• 任务层：能否回答隔多轮后再次追问的细节，是否重复已执行动作，是否遵守最新范围，最终结果是否符合要求。

在信息充分且模型可容纳的片段上，可以对比原始上下文与摘要；长任务则依据标注事实和任务验收检查。再记录压缩后的 Token、额外摘要与检索调用、总耗时和费用，选择质量与成本的合适取舍。

简单字段可用规则核对，语义遗漏可用模型辅助比较原文与摘要，但第二次模型判断仍可能漏错。涉及关键事实时应回到原始证据，并用任务反例验证。失败后可以增加原文保留、调整摘要结构或降低压缩强度；不要仅因为格式合法就覆盖唯一可用记录。

追问：能不能做到完全不丢？

对任意未来问题，都用有限摘要替代完整历史并保证完全不丢，通常做不到。实际目标是保留当前任务所需信息，并让尚未常驻的细节可恢复。如果某段材料必须逐字准确使用，就保留必要原文或读取原件。窗口预算与截断等基本策略见上下文窗口超过限制时如何处理。

对应教程

参考资料

GPT ResearcherPython

基于 GPT Researcher

核心回答

GPT Researcher 把研究任务拆成子问题，搜集网页后，为每个问题筛选写作上下文。当前这条链路的“压缩”主要是选取相关原文片段：保留片段能减少转述时的改写，但被筛掉的条件、反证和长页面尾部内容仍可能丢失。

降低损失要同时检查两件事：哪些材料进入筛选器，哪些片段最终进入模型。保留原始网页及来源位置，针对研究结论核对事实、日期、否定条件和相反证据；不能只看输入缩短了多少，或用相关性分数证明证据已经完整。

选择策略与实际触发条件

子问题通过 select_context() 统一选择上下文。CONTEXT_FILTER 默认是 auto：存在 TYPESAFE_API_KEY 时用 Jev，否则用本地关键词筛选。内容总量小于 COMPRESSION_THRESHOLD，且页数不超过调用的 max_results 时，直接保留页面内容；当前默认字符阈值为 8000，普通子查询传入 max_results=10。因此配置了某个筛选器，也不代表每次都会调用它。选择入口、普通子查询调用。

几种策略保留内容的依据不同：

• none：不做相关性筛选，将页面交给格式化器；但页面进入 SearchAPIRetriever 时仍受 MAX_CONTENT_CHARS 限制，默认每页最多 50000 个字符，所以不能把它当作绝对无损的原文备份。
• keyword：默认按约 1000 字符切块、重叠 100 字符，用 BM25 排序；在统一选择入口中，保留得分至少为最高分 0.5 倍的片段，最多 25 块。若所有片段都没有关键词匹配，退回取前面的片段，不代表已找到了回答证据。
• embeddings：对分块内容做向量相似度过滤，再按结果数量限制格式化输出。它能补充不同表达之间的匹配，但相似度高仍可能只是主题接近，不能单独证明片段足以回答问题。
• jev：为原文片段评估对问题的帮助程度，再按分数阈值和数量筛选。它仍可能遗漏低分但关键的例外、日期或反证，需要核对最终保留内容。

这些数值是所核版本的默认配置，不是适合所有研究任务的推荐值。页面长度限制、关键词分块与选择、向量筛选、Jev 筛选。

哪些信息需要额外保留

BM25 依赖词项匹配，当前分词包含通用正则、英文停用词和轻量词形处理，没有专门的中文分词流程。企业别名、缩写和不同表述需要用中文研究样本验证；不能因一次未匹配，就断言原文没有相关内容。固定分块也可能把数字与单位、结论与适用条件拆开，重叠只能缓解，不能保证关系完整。

例如研究某产品是否已经交付，“发布样机”的新闻可能高分命中，而“尚未交付”的说明、不同日期的修订或例外条件可能被排除。业务集成可以为同一实体分别保留支持材料和反证，并在命中片段缺上下文时补读相邻段落，再判断结论。按问题保留条件、例外与冲突材料。

原有 Document 保留 title、source，分块后仍可随正文输出，便于知道内容来自哪个网址。但标题和网址不足以恢复网页当时的版本，也不能证明引用支持结论。进一步完善时，应保存网页快照、发布时间、片段位置及选取策略；发现日期或限定条件缺失时，回读原文，不依靠报告摘要反推。来源元数据、正文与来源格式化。

回退之后仍要检查材料

select_context() 在 Jev 抛出 JevError 时回退关键词筛选，在向量筛选分支捕获普通异常后也回退关键词筛选。关键词路径自身的异常没有在这里统一兜底，Jev 分支也并非捕获所有异常；正常返回空选择同样不等于一定触发回退。因此，不能承诺任何失败都能自动得到有效上下文。实际异常与回退范围。

回退解决的是筛选方式不可用时怎样继续，材料是否充分还要按研究问题判断。若保留片段缺少关键日期或反证，可以补查来源、降低筛选强度或扩大受控阅读范围；若仍无依据，应保留不确定性。

怎样验证损失是否减小

固定同一组网页和研究问题，标注必须保留的事实、单位、日期、否定条件及反证，再比较不同策略进入模型的片段与最终报告。分别记录关键证据覆盖、条件遗漏、引用支持情况、实际输入 Token、筛选调用和耗时；none 对照也要检查页面长度限制，避免把已被截断的材料误当完整基线。

例如同时放入“样机发布”“暂未交付”和后续更新材料，检查报告是否区分不同时间与状态。根据漏掉的具体证据，再调整分块、阈值、实体别名或补读方式。这是可执行的对照验证设计，尚不能据此声称某种策略已经提高准确率或保证无损。