多轮对话状态怎么管理？百轮对话后怎么保持上下文准确？

先这样答

结论是：多轮对话不能只靠上下文窗口记忆，要把结构化会话状态外置存库。状态里至少包括槽位、已确认事实和任务进度。模型每轮对话都基于这份状态继续判断，避免状态只存在于不断变长的对话文本里。

百轮对话后，我会采用分层压缩。早期对话不再保留全部原文，而是摘要成事实卡。近期对话保留原文，方便模型理解当前语境。这样既能减少历史内容对上下文的占用，也能保留最近几轮的具体表达。

对金额、账户这类关键信息，我会做关键状态锚定。这些信息永不压缩，只保存为可直接引用的状态。模型需要历史细节时，再按需检索原始轮次。整体策略是状态外置、历史分层、关键字段固定、细节按需回捞。

面试官会怎么追问

• 「为什么不能直接把一百轮对话全部放进上下文窗口？」 上下文窗口不是会话状态的可靠存储位置。结构化状态需要单独存库，不能依赖窗口中的记忆。历史内容可以分层处理，近期保留原文，早期整理成事实卡。

• 「哪些内容可以压缩，哪些内容不能压缩？」 早期对话可以摘要成事实卡，近期对话保留原文。金额、账户类信息属于关键状态，不能压缩，只能固定保存并在需要时引用。

• 「摘要后模型还需要原始细节，怎么处理？」 不把所有细节都塞进当前上下文。模型判断需要哪段历史后，按需检索对应的原始轮次，再补充到当前对话中。

回答的坑

• 只说扩大上下文窗口，不说结构化状态外置，会遗漏槽位、已确认事实和任务进度的管理。
• 只做摘要而不保留关键状态和原始轮次，可能无法准确引用金额、账户类信息和历史细节。