上下文瘦身，别让对话越跑越脏

该压缩就压缩、稳定内容做缓存、删掉不再需要的历史。上下文越脏，花钱越多、效果越差。

AI 的成本主要花在"上下文"上：你喂进去的每一段、传上去的每一遍，都要算钱。上下文越堆越脏，不仅贵，而且效果还差——因为模型被一堆没用的信息干扰。

读完你能回答：

• 为什么上下文越脏越贵？
• 瘦身上下文有哪几个具体手法？
• 缓存和压缩的差别在哪？

为什么脏上下文又贵又差

• 贵：传上去的内容按量计费，历史、冗余等于白花钱
• 差：给模型一堆无关信息，它会跑偏，质量和稳定性都降
• 慢：内容多，处理也慢

成本、质量、速度，三样都受上下文污染影响。

瘦身的几个手法

• 该压缩就压缩：长会话先总结，再继续，别让历史无限累加
• 删掉不需要的历史：过期的内容、废弃的方案，别再留
• 按需加载：工具 schema、文档，用到再带，不预载全量 google-patterns
• 稳定内容放缓存前缀：system prompt、工具定义这类稳定内容，放前面最大化缓存命中，别放末尾（末尾会变）

缓存和压缩的差别

• 压缩：把信息真正变少（总结、精简）
• 缓存：同样的稳定内容不用重复传输，命中就少算钱

两者目标都是"用更少的 token 表达同样的事"，一个靠减量，一个靠复用。

别为了省 token 省掉关键验证

• 优化的分母是"完成任务"：任务没完成，省下的 token 全是浪费
• 为了省一点点 token 把关键上下文砍了，导致返工，得不偿失 copilot-cost
• 所以：瘦身了"无用"的，别瘦身"关键"的

把上下文喂得干净又对，你的 vibe coding 又快又省。成本里的最后一笔，是"怎么省在完成任务上"：省在完成任务，不在省调用。