上下文压缩

Context Compression

把检索到的一大堆片段压成更短、更相关的上下文再交给模型。

又称 Context Compression 上下文裁剪 片段压缩

本词条最后核验 2026-11-21 · 由本站编辑整理,欢迎指正

01 详细解释

召回 20 个片段全塞进提示,既贵又容易触发中段信息丢失。压缩这一步会先按相关性筛掉大部分,再把保留片段里与问题无关的句子摘掉,甚至让小模型先写一份摘要。

它和「调小 top-k」的区别在于:压缩是在保住覆盖面的前提下减字数,适合长文档问答和多轮对话的历史整理。

✦举个例子

20 个共 8000 token 的片段,压成 1500 token 的要点再进主模型。

✓实战提示

压缩后留一份原始片段 ID,答案可疑时能快速回溯到没被压掉的全文。

02 什么时候会碰到它
要让模型按你的资料回答时

答得准不准,八成功夫不在模型,而在切片、召回、重排与引用。这条链路任何一环偷懒,都会变成「检索到了但答非所问」。

03 和这几个词怎么区分
04 接着读这几篇
05 用得到的工具

下面这些站点来自 AI 导航(nav.ppv9.com)的同一份工具清单,按本词条的相关度挑选。

小7分享网 · 聚焦 AI 的实用博客

每天一篇,跟进 AI 行业动态、实测新工具、拆解实战教程。不堆术语,不炒概念,只写真正用得上的内容。

浏览全部文章关于本站

欢迎回来

登录 小7分享网,继续你的精彩

还没有账号?立即注册

忘记密码 ?

创建账号

注册后即可体验完整功能

已有账号?直接登录

我们将发送一封验证邮件至你的邮箱, 请正确填写以完成账号注册和激活