【Code with SOLO】用 SOLO 开发 AI 对话压缩工具：让多轮项目上下文秒变"新手卡"，小模型新会话也能零门槛接力

SOLO挑战赛专区
1
  1. 摘要
    用 TRAE SOLO 解决了多轮 AI 对话上下文爆炸、新会话理解成本高的问题，实现了 AI 对话压缩工具的开发，支持三层记忆结构（L1 认知层、L2 上下文层、L3 追踪层）和 GUI 可视化界面，作品：https://github.com/llg23456/ai-dialog-compressor
  2. 背景
    我是一名普通计算机大学生，做项目时经常需要与 AI 进行多轮项目对话，但很多模型有限对话kb，每次开启新会话都要重新解释项目背景、技术栈和决策逻辑。原本需要手动整理0.5-1小时的上下文笔记，或者让小模型在混乱的历史记录里"迷失"，现在用 SOLO 3 分钟就搞定了核心架构设计和代码框架
  3. 实践过程
    使用 TRAE SOLO 完成任务的完整流程：
    直接和 SOLO 说：“帮我开发一个 AI 对话压缩工具，能将多轮对话提炼为三层结构化数据（L1 认知层存核心决策、L2 上下文层存环境配置、L3 追踪层存待办事项），用于新会话的上下文延续，需要支持 GUI 界面和 JSON 导出。”
    SOLO 自动规划了产品功能模块，从数据结构设计（schema.py）、对话解析逻辑（consolidate.py）到 GUI 界面（gui_app.py）的代码编写，全程自动化生成。
    用了 SOLO 的代码编写和自动调试功能。

image
image1920×1115 327 KB

image
image1920×1114 335 KB

image
image1920×1110 327 KB
中间踩过坑： 主要是配置api-key和关联trae历史记录位置，还有开始想要实现用任意网址爬取记录，但是逻辑过于复杂，让整个项目看起来很冗余，后面就简化了思路改为复制粘贴 4. 成果展示

GitHub 仓库： https://github.com/llg23456/ai-dialog-compressor

系统截图

image
image1350×1010 57.4 KB

image
image1346×1006 53.4 KB

image
image1356×1006 42.7 KB
压缩效果展示

411-ezgif.com-video-to-gif-converter 5. 效果与总结： 这是压缩结果（部分）{
“l1_profile”: {
“facts”: [
“SQL Server 错误 233 表示客户端成功连接到服务器，但在登录验证阶段失败。”,
“SQL Server 错误 18456 表示用户 ‘sa’ 登录失败。”,
“SQL 代码中 where 子句存在拼写错误：列名 ‘sanme’ 应该为 ‘sname’，变量名 ‘@sanme’ 应该为 ‘@sname’。”,
“select 语句中缺少空格，应为 ‘select * from student’。”,
“对于 SQL Server 错误 233 可能的原因包括：服务未正常运行、登录验证问题（如身份验证模式限制或密码错误）、协议配置问题、连接数限制等。”,
“SQL Server 错误 18456 常见原因包括：密码错误、账户禁用或锁定、身份验证模式限制、密码过期等。”,
“存储过程创建时建议避免使用固定长度类型，如 nchar(4)，而改用动态长度类型，如 nvarchar。”,
“共享内存提供程序的错误（管道问题）可能与 SQL Server 配置的 Named Pipes 或网络协议设置相关。”,
“错误提示 ‘user quota is not enough’ 表示用户配额不足，可能是 AI API 或云服务资源配额限制。”
],
“constraints”: [
“SQL Server 必须允许 TCP/IP 或 Named Pipes 协议以确保连接正常（如果适用）。”,
“SQL Server 身份验证模式应设置为 ‘SQL Server 和 Windows 身份验证模式’，如果需要使用 SQL Server 账户登录。”,
“存储过程内字符长度设置需要支持合理范围的输入数据，避免 nchar(4) 被截断问题。”
],
“decisions”: [
“修正 SQL 代码错误：将 ‘sanme’ 更正为 ‘sname’，将 ‘@sanme’ 更正为 ‘@sname’。”,
“修正 SQL 代码中的空格格式，使其符合规范。”
],
“assumptions_unverified”: [
“SQL Server 的 Named Pipes 或 TCP/IP 协议当前可能未能正确启用。”,
“SQL Server 的身份验证模式可能仍设置为仅支持 Windows 身份验证。”,
“存储过程 ‘pro2’ 的字符长度 nchar(4) 是否足够尚未确认。”,
“错误 ‘user quota is not enough’ 可能是 AI API 配额不足或云服务资源限制。”
]
},
“l2_context”: {
“file_paths”: ,
“commands_or_config”: [
“ALTER LOGIN sa ENABLE;”,
“ALTER LOGIN sa WITH PASSWORD = ‘’;”,
“SELECT name, is_disabled, create_date, modify_date FROM sys.sql_logins WHERE name = ‘你的用户名’;”
]
},
“l3_todo”: {
“resume_hints”: [
“当前问题集中在 SQL Server 登录错误和存储过程编写问题。”,
“下一步建议检查 SQL Server 服务和身份验证模式配置。”,
“修正 SQL 代码问题，包括拼写错误和数据类型设计。”,
“明确 ‘user quota is not enough’ 错误的来源，检查配额使用或联系相关平台支持。”,
“确保 SQL Server 的 TCP/IP 或 Named Pipes 等网络协议已正确启用（如适用）。”
],
*压缩前后对比效果

image
image1584×720 95.1 KB
技术亮点

  • 三层记忆模型：L1认知层（决策）、L2上下文层（环境）、L3追踪层（行动）

  • 支持 Trae/Cursor 对话导入 + 手动粘贴双模式

  • 自动去重：文件路径从12次重复→6个唯一项 对 AI 工作方式的思考：

提效了 300%，一个人能搞定产品定义、架构设计、后端逻辑、前端界面和版本管理所有事情；

SOLO 在流程中完成了三层记忆模型的产品定义、Python 代码生成、GUI 界面搭建到 Git 仓库初始化，真正让我实现了"一人公司"开发模式；

通过结构化记忆（L1/L2/L3），新会话加载上下文的时间从原来的 10 分钟阅读历史对话缩短到 30 秒加载 memory.json，大幅降低了小模型的理解成本，实现了"新手卡"式的上下文延续。

1 个赞