_{🧠 记忆锚点：近处留原文，远处做分层摘要；事实结构化，回答时按当前问题召回。}

💡 答案要点

背景（高频题）：

长对话记忆是 Agent 落地的核心痛点。面试官问"用户聊了一千轮，上下文怎么管理"——不是简单"用摘要压缩"，要能讲清分层方案和摘要算法。

痛点（面试必答）：

1. Token 爆炸：全量上下文成本飙升
2. 长上下文遗忘：模型对早期信息"Lost in the Middle"
3. 检索困难：历史信息太多，无法快速定位

方案架构：短期 + 长期分层管理

短期记忆：最近 N 轮完整原文（保证细节）
长期记忆：历史摘要（压缩）+ 结构化实体（可靠）

分层摘要算法（核心答案）：

第一层：轮次摘要（Rolling Summary）
  每 3-5 轮对话 → LLM 压缩成一段摘要
  摘要包含：话题、结论、用户关键信息

第二层：会话总摘要（Global Summary）
  多段轮次摘要 → 再压缩成会话总摘要
  控制总摘要大小（如 500-1000 tokens）

存储：摘要进向量库（可检索）+ 短期原文在内存/Redis

召回机制（不是全量塞）：

用户提问 → 向量检索相关历史摘要（Top3-5）
       + 最近对话原文（固定窗口）
       + 结构化实体（用户偏好/资质信息）
→ 拼装上下文

结构化实体记忆（加分点）：

不只存文本摘要，单独抽取结构化数据：
  用户偏好：{语言: 中文, 风格: 简洁}
  关键信息：{公司: X, 职位: Y}
→ 比纯文本摘要更可靠，检索更精准

效果与成本平衡（加分点）：

对话越长，压缩比例越高。千轮对话场景，上下文从全量 10 万+ tokens 压到 2-3 千 tokens，压缩 95%+，同时通过召回保证核心信息不丢。

面试话术：

"千轮上下文我用'短期+长期'分层：最近 N 轮保留原文保证细节，历史做分层摘要——每 3-5 轮先做轮次摘要，多段再合成会话总摘要，存向量库可检索。回答问题时不是全量塞，而是用当前提问召回相关历史摘要+最近原文+结构化实体（用户偏好单独抽出来存）。这样千轮对话上下文能压到 2-3K tokens，压缩 95% 以上，多轮一致性还更好。"

---