脑容量满了怎么办
Context 必须塞进 model.contextWindow。可是长会话里历史越堆越多，迟早撑爆。pi 的答案是Compaction（压缩）：当 token 逼近上限，把早期对话摘要化，腾出空间，让会话能一直跑下去。
token 用量 ▲ │ ┌─ 阈值（窗口的 X%） │ ╱╲ │ │ ╱ ╲ │ │ ╱ ╲ ▼ 触发 compaction │ ╱ ╲────────┐ │ ╱ 压缩后 ╲___ │ ╱ ╲___ └──────────────────────────────────▶ 轮次
压缩不是删除，是「摘要 + 边界」
压缩会在历史里立一道compact boundary：边界之前的内容被一段摘要替代，边界之后保持原样。之后每轮只取边界后的消息再拼 Context——既保留近期细节，又不丢早期脉络。
packages/coding-agent/src/core/compaction/compaction.ts（精简）typescript
3 个注解
1// 每轮 API 调用前：检查是否需要压缩
2const { compactionResult } = await autocompact(
3 messagesForQuery, ctx,
4 { systemPrompt, userContext },
5)
6
7// 只取「压缩边界」之后的消息参与本轮请求
8function getMessagesAfterCompactBoundary(messages) {
9 const idx = messages.findLastIndex(
10 (m) => m.type === "compact_boundary",
11 )
12 return idx === -1 ? messages : messages.slice(idx)
13}
14
15// 摘要：让模型把早期对话浓缩成一段
16const summary = await summarize(earlyMessages)
17messages.push({ type: "compact_boundary", summary })
这就是为什么 pi 能处理跨越成百上千轮的超长任务：它会主动「忘掉细节、记住要点」，像人一样管理自己有限的工作记忆。