外观
第 19 章参考资料：Context Compaction 与长任务
本文件是本章的局部引用登记。全书引用已登记到 .ai/references.md；原局部键映射为 CH19-001 → REF-068、CH19-002 → REF-023、CH19-003 → REF-069。每条仅支持表中所写的限定陈述。
| 临时键 | 来源 | 用于支持 | 访问/版本 | 外推禁区 |
|---|---|---|---|---|
| REF-068 | Anthropic, Effective context engineering for AI agents | Context Engineering 是管理模型推理时 token 集合的策略；文章讨论长时程任务的 compaction、结构化笔记、按需恢复与取舍。 | 2026-07-16；页面未见稳定发布日期。 | 不将文中的 Claude Code 或平台能力、默认压缩内容、性能结论外推为通用行为。 |
| REF-023 | Packer 等，MemGPT: Towards LLMs as Operating Systems，arXiv:2310.08560v2 | 论文摘要中以分层记忆类比管理有限上下文中的数据移动。 | 版本 v2，2024-02-12；2026-07-16 读取。 | 不引用性能数字，不将研究原型的存储、控制流或安全属性写成本书实现。 |
| REF-069 | Liu 等，Lost in the Middle: How Language Models Use Long Contexts，arXiv:2307.03172v3 | 论文在两类实验中报告相关信息位置会影响所测模型的表现，长输入中间位置尤为值得纳入评估。 | 版本 v3，2023-11-20；2026-07-16 读取。 | 不泛化为所有模型、任务、上下文长度或固定下降幅度。 |
| REF-148 | pi 仓库 README | pi 是 Mario Zechner 开发的 MIT 开源极简编码代理，提供官方文档入口。 | 2026-07-26 读取。 | 不引用动态统计、长期不变的包结构或据此推断 compaction 行为。 |
| REF-152 | pi 官方 compaction 文档 | 访问日文档中的触发条件、turn 边界切割、split-turn 双摘要、结构化摘要字段和扩展接管钩子。 | 2026-07-26 读取 main 分支文档。 | 不外推为其他 Harness 的压缩行为、摘要无损保证、固定阈值或安全属性。 |
正文引用约定
- 本章正文使用
[REF-068](19-context-compaction-and-long-running-tasks.references.md)等正式链接；详细登记见.ai/references.md。 - “压缩记录（Compaction Record）”“稳定事实锚点”“损失检测”和示例函数均为本书工程模型，不归因给上述来源。
- 产品的会话、自动压缩、文件记忆、上下文窗口、模型和价格均属于动态信息；正式发布时必须重新查询官方资料。
- 已于 2026-07-26 通读 REF-148 与 REF-152；正文的 pi 白盒参考只使用计划核定的 compaction 机制，并明确版本边界和本书扩展。