正文
不少人在同一任务长期迭代时选择沿用会话，随着交互轮次增加，聊天记录持续堆积，Token 消耗会稳步走高。会话内留存大量无效闲聊、多次失败的尝试方案、作废代码、来回调试的冗余对话，每一轮提问都会加载全部历史内容，持续消耗积分。
依赖平台自动上下文压缩存在局限性，自动机制存在延迟、保留不少无用信息，无法精准剔除噪音。想要稳定控制成本，必须主动介入管理。
实操准则：任务需要持续沿用同一个会话时，定期手动压缩上下文，主动清理无效闲聊、反复试错记录。
实操执行过程
- 设置清理节点：对话累计 10～15 轮作为检查节点，观察单次请求 Token 消耗量，涨幅明显即启动清理；
- 筛选保留内容：只保留确定需求规范、最终可用代码、统一参数、达成共识的结论；
- 剔除冗余信息：删除调试失败方案、多次修改草稿、无意义寒暄、重复确认类闲聊内容；
- 重构会话起始信息：提炼精简上下文摘要，作为新一轮对话基础，重新给到模型；
示例摘要模板：当前目标：开发用户列表接口；已定规范：使用 POST、分页参数 page/size；已完成基础查询，待实现权限过滤。
- 边界区分：如果清理后依然存在大量历史冗余，或者需求即将转向新方向，优先直接新开对话。
总结
手动压缩上下文适用于同一任务需要持续迭代、不便新开对话的场景，是 “新开会话隔离方案” 的有效补充。定期清理历史噪音，可以遏制 Token 持续膨胀，降低每一轮请求成本；干净的上下文同时减少模型被过往无效信息干扰，降低答非所问带来的额外交互损耗。搭配跨主题摘要迁移、任务分离新建对话两套规则，形成完整的上下文管理体系，长效节约 TRAE 积分。