Компакция контекста: как ИИ-агенты сжимают историю диалога

Осенью 2024 года Anthropic добавила в Claude Code команду /compact, а к 2025 году автоматическое сжатие истории стало штатной функцией: когда диалог подходит к пределу окна, агент сам сворачивает старые сообщения в краткое резюме и продолжает работу. Похожие механизмы есть у Cursor, Cline и агентских фреймворков вроде LangGraph. Причина у всех одна — контекстное окно не резиновое, а разговор с агентом за час работы над кодом легко перевалит за сотни тысяч токенов.

Компакция (context compaction) — это не магия, а инженерный компромисс между тем, чтобы помнить всё, и тем, чтобы вообще уместиться в лимит. И у этого компромисса есть цена: часть деталей теряется, а вместе с ними иногда и нить рассуждения.

Зачем вообще сжимать контекст

У любой языковой модели есть контекстное окно¹ — максимум токенов, которые она видит за один запрос. У Claude Sonnet 4.5 и Opus 4.1 это 200 000 токенов в стандартном режиме (с бета-опцией расширения до 1 млн у Sonnet), у GPT-4.1 — до 1 млн, у Gemini 2.5 Pro — до 1 млн, с анонсированным расширением. Числа большие, но агент расходует их быстро: каждый вызов инструмента, каждый прочитанный файл, каждый лог ошибки складывается в историю.

Есть и второй фактор — деньги. Вы платите за токены на входе при каждом обращении к модели. Если история диалога 300 000 токенов, то каждый следующий шаг агента оплачивает эти 300 000 заново. Сжатие истории до 20 000 токенов прямо режет счёт за API.

Контекст — это не память, а оперативная нагрузка. Чем больше вы туда кладёте, тем дороже и медленнее каждый следующий шаг, и тем выше шанс, что модель потеряет важное среди второстепенного.

Как работает компакция

Базовая идея простая: когда история приближается к порогу (обычно 70–90% окна), агент берёт старые сообщения и просит модель — ту же или отдельную, более дешёвую — пересказать их коротко. Резюме заменяет исходные сообщения, и диалог продолжается с облегчённой историей.

На практике подходы отличаются деталями.

Суммаризация «в лоб»

Самый распространённый вариант. Весь ранний контекст (или его часть) сворачивается в текстовое резюме: что за задача, какие файлы правили, какие решения приняли, что осталось сделать. Свежие сообщения при этом обычно сохраняются целиком — именно они важны для следующего шага.

Скользящее окно

Агент держит только последние N сообщений, а всё старше просто отбрасывает. Дёшево и предсказуемо, но грубо: если ключевое решение было принято в начале сессии, оно исчезнет.

Гибрид с внешней памятью

Часть контекста выносится за пределы окна — в файл, векторную базу или структурированные заметки, и подтягивается обратно по мере надобности через RAG². Claude Code, например, умеет писать заметки в файл CLAUDE.md и в отдельные файлы задач, чтобы не держать всё в активной сессии.

Сравнение подходов к управлению контекстом

На практике серьёзные агенты комбинируют: свежие сообщения — как есть, средний слой — резюме, долгосрочные факты — во внешнем хранилище.

Что теряется при сжатии

Главная проблема компакции — модель сама решает, что важно, а что нет, и ошибается. Типичные потери:

• Точные значения. Резюме напишет «настроили таймаут», но забудет, что он был 30 секунд, а не 300.
• Отвергнутые варианты. Агент может заново предложить решение, которое вы уже отклонили десять сообщений назад — потому что причина отказа не попала в резюме.
• Тон и договорённости. «Не трогай файл конфигурации» легко теряется, если сжатие сочло это второстепенным.

Именно поэтому в Claude Code компакция по умолчанию оставляет недавние сообщения нетронутыми, а сжимает только раннюю часть. И поэтому же ручная команда /compact позволяет указать, на чём сфокусировать резюме, — вы подсказываете модели, что нельзя терять.

Кому это пригодится, а кому нет

Пригодится

• Разработчикам в долгих сессиях. Рефакторинг на несколько часов в Claude Code или Cursor без компакции упрётся в лимит и оборвётся. Сжатие даёт продолжать работу непрерывно.
• Тем, кто следит за счётом за API. Если вы строите агента на своём ключе, сжатие истории — прямой способ сократить расход входных токенов в разы.
• Авторам агентов и чат-ботов. Для многошаговых сценариев (обработка тикетов, длинные исследования) без управления контекстом вы либо разоритесь на токенах, либо упрётесь в окно.

Не пригодится или даже помешает

• Для коротких разовых запросов. Если сессия укладывается в окно с запасом, сжатие только добавит риск потерять деталь без всякой выгоды.
• Там, где важна дословная история. Юридический разбор, аудит логов, точная реконструкция диалога — здесь лучше держать полную историю и разбивать задачу на части, чем доверять резюме.
• Для задач с критичными числами. Финансовые расчёты, конфигурации, версии зависимостей — всё, где ошибка в одной цифре стоит дорого, плохо переживает автоматическое сжатие.

Как этим управлять на практике

1. Выносите долгоживущие факты во внешний файл сами — в Claude Code это CLAUDE.md, в других инструментах свои механизмы. Что записано в файл, то переживёт любую компакцию.
2. Если инструмент даёт ручную команду сжатия — используйте её осознанно перед сменой задачи, а не ждите автоматического порога посреди сложного шага.
3. После автоматической компакции проверьте, что агент помнит ключевые ограничения — переспросите его о критичных деталях, прежде чем продолжать.
4. Для критичных значений дублируйте их прямым текстом в свежем сообщении, а не полагайтесь, что они уцелели в резюме.

¹ Контекстное окно — максимальное количество токенов (примерно 3–4 символа русского текста на токен), которые модель обрабатывает за один запрос, включая и ваш ввод, и историю, и ответ.

² RAG (retrieval-augmented generation) — подход, при котором нужные фрагменты подтягиваются из внешнего хранилища по запросу и добавляются в контекст, вместо того чтобы держать всё в окне постоянно.