Auto-compact（自动压缩）是 AI 编程工具（尤其是 Claude Code）中的一种上下文管理机制：当会话占用的上下文窗口接近上限时，系统会自动把历史对话压缩成摘要，从而腾出空间让 Agent 继续运行。围绕这个机制，近期出现了两类讨论——一类是开发者如何手动设置 /autocompact 阈值来省钱和保质量，另一类是学术界探索让模型自主决定何时压缩上下文的训练方法。
Auto-compact 的近期进展
当前焦点与观察点
目前关于 Auto-compact 的争论集中在两点：一是压缩时机——阈值设得过高（如 400K）省钱但可能损失关键细节，设得低（如 200K）质量更稳但成本上升，尚无统一结论；二是压缩方式——靠人工命令与固定规则，还是像 AutoCompact 研究那样让智能体自主学习压缩决策。此外，配合 SubAgent 编排、把长任务拆分给子代理等手段，也被视为减少对自动压缩依赖的替代路径。对使用者来说，值得关注的是压缩摘要的信息保留度、长会话中的性能衰减，以及各家工具在默认策略与手动控制之间的开放程度。