想问下大家做多轮对话或日常深度使用时，是怎么平衡上下文长度和 Token 成本的： 开新窗口： 缓存直接失效，必须重新喂一次系统提示和背景，白白花一堆开销； 原地压缩：用小模型做摘要或者滚动截断，聊久了上下文污染严重，逻辑经常断层。 大家现在主流的做法是怎么平衡“缓存命中率”和“上下文纯净度”的？求指路成熟思路 7 个帖子 - 6 位参与者 阅读完整话题