KEEL · 龙骨 · A CURRICULUM FOR THE AI ERA
课程说明：上下文窗口、Token 预算与 Compaction — keel 龙骨
Context Engineering 的参考信息：课程说明：上下文窗口、Token 预算与 Compaction
Agent 的上下文是一次模型调用的工作集，不是数据库，也不是完整运行日志。它有容量上限，有来源和优先级，还要和工具协议、权限、状态恢复一起工作。本课程从一个“第二十轮为什么突然答错”的现场开始，逐步做出可解释的上下文管线。
适合谁
你应能阅读基础 Python，理解 JSON、异常和简单的模型消息。你不需要先掌握某个 Agent 框架；如果你已经读过 Harness、Tool Calling 或 Persistent Memory，会更容易把接口放回完整系统。
读法
每章先提出一个可以预测的问题，再运行对应示例，最后故意破坏一个条件。重点不是背诵某个框架的 summarize() API，而是能够解释：本轮模型看到了什么、哪些内容被预算拒绝、压缩保留了哪些事实、运行为什么还能恢复。
九章共用同一个支付服务事故诊断案例：证据逐轮增加，工具调用不断拉长轨迹，Agent 必须在窗口、预算、结构合法性和恢复能力之间做选择。这样每章新增的是同一系统的一层能力，而不是九组互不相干的术语。
三种学习路径
| 目标 | 建议顺序 | 你最终要交付的东西 |
|---|---|---|
| 系统学习 | 01 → 09，逐章运行示例和失败注入 | 一套可解释、可恢复的上下文管线 |
| 线上问题排查 | 01 → 02 → 03 → 06 → 07 → 08 | 容量、工具轨迹、恢复与质量证据 |
| 快速做项目 | 01 → 03 → 04 → 06 → 09，再回补 02/05/07/08 | 可运行结课项目和明确的生产替换清单 |
每章的代码都来自配套项目的 context_course 包，不是只用于展示的伪代码。运行入口、六个示例和源码阅读顺序见配套项目说明，课程所依赖的教学决策、事实边界和生产替换点记录在 COURSE-DESIGN.md。
完成标准
完成课程后，你应该能够：
- 为一次调用写出输入上限、输出上限、固定开销和余量的预算公式；
- 使用真实 tokenizer 或显式标注的近似计数，并记录误差；
- 选择保留系统规则、当前任务、活动工具链和关键证据的策略；
- 在 compaction 前后保存可追踪的来源、版本、触发原因和 token 数；
- 说明单层滚动摘要与分级摘要在多轮压缩下各自保留和丢失了什么；
- 证明压缩后的消息序列满足供应商对 tool call/result 的结构约束；
- 在摘要失败、计数失败、checkpoint 重放和重复触发时安全收束；
- 用基线、消融、信息保留和成本指标判断策略是否值得。