技能用途

在進行超長會話（超過 50 輪對話）的深度除錯時，對話歷史中包含了大量的「中間編譯錯誤」、「錯誤的嘗試代碼」與「常規問答」。如果將這些垃圾資訊原封不動地保留在 AI 的 Context Window 中，不僅會拖慢 AI 的回應速度，更會因為「無關雜訊過多」而干擾 AI 的判斷，使其給出錯誤的修改方案。

Context Compressor 是 Prompt Master 的 會話大腦淨化技能。它能分析歷史對話流，依照「重要性（Importance Score）」對每條會話進行評分，自動剔除已經被證明錯誤的代碼嘗試與中間日誌，僅保留「最終達成的共識」與「關鍵代碼片段」，使 AI 始終保持高水準的思考精度。

運作原理

1. 語意重要性分級 (Hierarchy Scoring)：
   • Level 3 (最高)：包含 save_observation、design.md 或最終成功編譯代碼的輪次。
   • Level 2：需求描述與 API 接口討論。
   • Level 1 (最低)：編譯失敗的拋錯堆疊、Linter 提示與常規打招呼。
2. 雜訊過濾 (Ingestion)：物理剔除 Level 1 的對話輪次。
3. 語意摘要生成：將 Level 2 的討論壓縮為 100 字的「背景摘要（Background Summary）」注入 Context。

實戰對話範例

範例：壓縮一場包含 3 次錯誤嘗試的長對話

• You:

  pm compress --session-id="sess_891"

• AI:

  [Prompt Master] Context Compression Complete

  成功將 sess_891 會話歷史（共 12,000 Tokens）壓縮為極簡 Context：

  保留的 Context 摘要：

  [Context from sess_891]
  任務：解決 WCF 斷連 Bug。
  歷史嘗試：曾嘗試延長 Timeout (無效)，並遭遇 Deadlock (已證實是由於 Timer 競爭)。
  最終解決方案：移除了 lock (_lockObj)，改用 Interlocked.Exchange 完成安全 Dispose。

  Token 壓縮效益：

  • 原體積：12,450 Tokens
  • 壓縮後：245 Tokens (節省 98%)

  已成功將淨化後的 Context 注入當前會話，干擾雜訊已被物理隔絕。