46 lines
1.4 KiB
Markdown
46 lines
1.4 KiB
Markdown
---
|
||
title: "上下文压缩"
|
||
type: concept
|
||
tags: [ai, context-window, code-analysis, tool]
|
||
---
|
||
|
||
## 定义
|
||
将大型代码库或长文本压缩为结构化摘要，以适配 AI 上下文窗口限制，同时最大化有效信息密度的技术。
|
||
|
||
## 解决的问题
|
||
- AI 上下文窗口有限（4K-200K tokens），大型代码库超出限制
|
||
- 原始代码包含大量 boilerplate（空行、注释、重复代码块）
|
||
- 上下文窗口消耗 → 每次交互成本上升 → 速度下降
|
||
|
||
## 主要方法
|
||
|
||
### CodeWeaver 方案
|
||
将整个代码库编织为树形 Markdown：
|
||
- 目录结构 → 树形标题
|
||
- 文件内容 → 代码块
|
||
- 保留语言标注
|
||
|
||
### 语义摘要方案
|
||
- LLM 提取关键函数/类/依赖关系
|
||
- 生成模块关系图
|
||
- 用自然语言描述系统行为
|
||
|
||
### 增量上下文方案
|
||
- 只将当前任务相关文件送入上下文
|
||
- 通过检索（RAG）从全代码库中召回相关片段
|
||
- 每次交互动态构建上下文
|
||
|
||
## 在 Vibe Coding 中的作用
|
||
[[vibe-coding经验收集]] 提及：CodeWeaver 将"屎山代码"编织为树形 Markdown，简化 AI 上下文注入，是 vibe coding 工程化的支撑工具之一。
|
||
|
||
## 与 RAG 的关系
|
||
- RAG：从向量数据库检索相关文本片段
|
||
- 上下文压缩：将检索结果进一步提炼为高密度信息
|
||
- 两者结合：RAG → 压缩 → AI 处理
|
||
|
||
## Aliases
|
||
- Context Window Management
|
||
- Code Summarization
|
||
- AI Context Optimization
|
||
- 代码压缩
|