游戏 AI / 系统课时

上下文变长后怎么压缩

上下文变长后怎么压缩

当游戏中的长对话、历史事件和任务记录不断累积时,完整上下文会越来越长,既增加成本,也会稀释真正重要的信息。本篇建立一套可操作的压缩方法,让模型保留当前决策所需的信息,同时主动丢弃低价值历史。

学习目标

  • 理解为什么上下文越长不一定越可靠,以及压缩时真正要保护什么
  • 掌握窗口、摘要和重要性筛选三种基本压缩策略
  • 为不同类型的游戏状态设计可恢复、可验证的上下文结构

先判断哪些信息值得保留

上下文压缩不是简单删除旧消息,而是重新回答一个问题:模型下一次生成时,哪些历史信息仍然会影响正确答案。角色当前任务、未完成承诺、关系变化和最近一次关键事件通常比已经解决的闲聊更重要。

可以把信息分成三层。第一层是必须长期保留的稳定事实,例如角色身份、核心目标和世界规则;第二层是近期状态,例如正在执行的任务、最近几轮对话和刚发生的冲突;第三层是可重新获取的细节,例如已经结案的普通闲聊或重复描述。

长上下文压缩中的信息分层与决策路径

用窗口控制近期上下文

滑动窗口是最直接的策略:只保留最近若干轮消息,把更早内容移出当前请求。它特别适合角色闲聊、短期追问和高频交互,因为最近内容通常最能代表当前对话状态。

窗口并不等于“越大越好”。窗口太小,模型可能看不到仍未结束的指令;窗口太大,则会重新引入大量重复内容。更稳妥的做法是让窗口围绕一个明确的业务单位调整,例如保留最近若干轮玩家与 NPC 的互动,同时单独保留任务状态和长期规则。

用摘要保存已经发生的历史

当旧消息仍有价值,但没有必要逐字保留时,可以把它压缩成结构化摘要。好的摘要不是把原文缩短,而是只记录会影响未来决策的事实,例如“玩家拒绝帮助守卫”“NPC 因此降低信任度”“任务仍未完成”。

摘要最好包含时间或状态信息,并明确哪些内容已经结束、哪些内容仍然有效。尤其要避免把猜测写成事实,否则错误会在每次压缩中被继续继承。

用重要性筛选保住关键事件

窗口和摘要都可能留下错误的信息,因此还需要优先级筛选。可以为事件定义简单的业务评分,例如是否改变任务状态、是否改变角色关系、是否包含玩家明确承诺、是否会影响下一次决策。高价值事件长期保留,中价值事件进入摘要,低价值事件直接丢弃。

对于游戏系统,重要性最好由业务规则决定,而不是完全交给模型自行判断。例如“玩家拿到钥匙”可能必须保留,因为它决定后续是否允许开门;“玩家连续说了三次同一个问候”通常没有长期保留价值。

建立可恢复的压缩结构

实际系统可以把上下文拆成几块,而不是维护一个无限增长的文本串:稳定规则负责定义世界和角色,状态区保存当前任务与关系,近期窗口保存最新互动,历史摘要保存经过筛选的关键事件。每次请求时按这个固定顺序重新组装上下文。

这种结构还有一个重要优势:压缩失败时容易定位。若角色突然忘记任务,检查状态区;若忘记较早但关键的事件,检查历史摘要;若只是最近一句话理解错误,检查近期窗口。上下文被拆成职责明确的部分后,问题不再表现为一个模糊的“模型记忆不好”。

什么时候该用哪种策略

短对话优先使用窗口;历史较长但关键事实有限时使用摘要;事件数量很大且价值差异明显时加入重要性筛选。真实项目通常组合使用这三种方法,而不是选择其中一种。

最终的目标不是让上下文“尽可能短”,而是在有限预算里保留足以支持下一次正确决策的信息。只要长期事实、当前状态和真正重要的历史事件仍然可恢复,即使删除大量原始对话,角色和任务逻辑也可以保持连续。

按自己的节奏,确认真正理解。

目录与阅读设置

阅读设置

17

记录一个想法

上下文变长后怎么压缩

0 / 10000 · 笔记保存到账号。未提交的修改会在关闭、离开或刷新后丢失。

登录哪都通