（我觉得～）目前上下文交接最优解的方案
AI 深度解读
背景
作者自述并非程序员，因此其方案不特指程序开发场景，而是面向更广泛的泛用性任务与思维方式。在使用各类 AI 技能（Skill）或官方提供的上下文压缩功能时，作者始终感到不踏实：压缩后的上下文似乎总会丢失一些重要细节，尤其是 AI 执行任务时的具体指令、用户纠正、关键数字等。即便使用长线程（Long Thread）任务来维持记忆，每次压缩仍会导致部分上下文缺失，造成任务目标偏离。作者坦言“害怕压缩”，担心 AI 总结时会丢失细微但关键的执行信息。
核心内容
作者提出了一套名为 “细粒度结构化上下文交接” 的解决方案，其核心思路是：不再单纯依赖 AI 自动生成的总结，而是通过人工设计的结构化流程，将整个对话的发展过程、用户原始输入、AI 回答的语境关系一同保留，并在此基础上生成一份完整的交接档案。
整套方案建立在 长线程（Long Thread）+ Skill（技能） 的组合之上：
- 长线程负责记录关于上下文压缩任务的灵活信息（如任务状态、进度、决策日志等），作为一个“总控”系统。
- Skill 作为执行脚本，按照预设逻辑处理压缩任务。
核心创新点：保留原始内容 + 结构化拆解
作者发现自己的输入（用户原始文字）远比 AI 的回答少，因此他让 AI 尽量不做大幅优化地保留用户原始聊天内容，并存入本地 Markdown 文档。同时，AI 的回答则根据对话语境，被拆解成可供分析的结构化内容（如任务目标、进度、卡点、决策原因等）。最终，这两部分合并为一份完整的“交接档案”，既包含对话回溯，也包含框架性总结。
针对不同任务类型的分层处理
-
长线程任务（长期任务）
长期信息（如总控逻辑、Agent 决策、日志、正式资料）写回长线程系统；交接时只保存当前未完成的断点。长线程解决的是当前窗口内的上下文交接，而长期记忆仍依赖长线程本身的逻辑。 -
普通临时任务
使用一份滚动更新的细粒度结构化交接文档，通常适用于 3～5 次压缩以内。 -
超长临时任务（约第 6 次压缩、单文档过长或出现多个完成阶段时）
将文档拆分为三个文件：核心上下文.md：包含任务最基本的目标、禁忌、关键路径等。当前任务交接上下文.md：记录当前未完成步骤、最新进展、待解决问题。阶段记录.md：保存已完成阶段的历史记录，供回溯参考。
压缩原则：两层分类
可压缩的内容（阶段压缩）：
- Codex 的重复解释（指模型重复解释的代码或概念）
- 已完成的普通操作过程
- 已经过期的中间方案
- 重复出现的背景信息
- 已经写入正式文件的内容
- 没有影响后续的讨论
不可压缩的内容（不允许反复改写）：
- 用户关键原话
- 用户纠正和否定
- 明确禁忌
- 任务最终目标
- 成功标准
- 精确路径、命令和关键数字
- 尚未解决的重要问题
- 重大决策的原始原因
关键要点
- 目标：避免压缩导致的关键细节丢失，使上下文交接更可靠。
- 核心方法：保留用户原始输入与 AI 回答的语境，生成结构化交接档案，而非单纯由 AI 总结结论。
- 实现形式：长线程任务 + Skill 组合，需在 AI 中单独创建一个用于上下文压缩的长线程。
- 文档策略：普通临时任务用单文档滚动更新；超长临时任务拆分为三个文档，分别存储核心、当前交接、阶段记录。
- 压缩红线：明确区分“可压缩”与“不可压缩”内容，用户关键原话、纠正、禁忌、目标、成功标准、精确数字、未解决问题、重大决策原因等必须保留。
- 适用性：作者强调该方案是“泛用性”的，不限于编程，适用于商业分析、复杂任务等多种场景。
意义与影响
- 为上下文压缩提供了一种更精细、更可控的范式：传统压缩往往依赖模型自动总结，容易丢失细节；该方案通过人工设置结构化规则和保留原始内容，显著提升了交接的可靠性和完整性。
- 降低了复杂任务中的上下文丢失风险：对于需要多次迭代、多轮对话的复杂任务（如商业分析、长文档写作、项目策划），本方案能有效维持任务连贯性，减少因压缩导致的偏差。
- 启发了新的工作流设计思路：将“压缩”本身视为一个独立的长线程任务，而非简单的一次性操作，这种设计可以与其他 AI 工作流（如 Agent、Memory 系统）结合，提升整体效率。
- 局限性：方案需要用户主动创建长线程并维护文档结构，对非技术用户有一定门槛；且文档数量随任务复杂度增加，需要用户自行管理。但作者提供了明确的分类和原则，使操作可复制。