Agent Memory Management 速通

问题描述：

最近在学习 Learn Claude Code 这个项目，读到其中有关 Memory 的部分，感觉这部分在面试中也很重要，因此稍微整理了下，给各位 L友分享，速通。

Compact Memory（S06）

压缩记忆有三种方式：micro_compact, auto_compact, manual compact。

Micro_Compact

每次 loop 的开始，先进行 Micro_Compact。

随着消息的累加，尤其是工具的输出越来越多，主要把之前的工具的输出（content）被更简短的文字取代。

result["content"] = f"[Previous: used {tool_name}]"

比如：原来的内容——{ “role” : “user”, “content” : “[北京的天气是 xxxxxxxxxxxxxxxxxxxxxxxxxx]” } —>{“role” : “user”, “content” : “[Previous: used {search}]”

> 为什么是role=user？因为根据这个项目的设计，每次工具生成的内容作为role=user的 content，以作为新的一轮输入，让模型输出答案。

Auto_Compact

在 Micro_Compact后，如果发现经过 Micro_Compact压缩之后，token数量还比较多，则把之前的全部消息压缩成一个 summary，内容大大缩短，同时保存为一个json（方便后续查找记录），最后把这个 summary 作为 user 的 content输入给模型。

比如：

{["role" : "user", "content" : xxxx], ["role" : "assistant", "content" : xxxx]……} ---> {["role" : "user", "content" : "xxxxxxxxxxx"(summary)]}

Manual Compact

顾名思义，相比于 Auto_Compact 而言，两者是同一个功能，只是Manual Compact是工具调用，也就是你指示大模型使用这个压缩工具，从而开始运行。因此这个是在模型回复之后才开始的。

for block in response.content: if block.type == "tool_use": if block.name == "compact": manual_compact = True output = "Compressing..." 网友解答：

---

--【壹】--：

谢谢分享！