压缩保真：状态与否定不能丢

沿着对象与状态理解本章

压缩最危险的不是少一句背景，而是把“未执行”写成“已完成”，把“禁止”写成“准备做”。先对照本图保留命题、版本、否定与未决状态，再考虑缩短多少Token。

下方图解的固定输入在“输入与适用条件”中声明。它用于解释本章机制，不与本章其他独立例子的数值暗中接续。

动态图解 · F27

压缩要保留行动所依赖的事实

把一百轮历史压成几句话，最容易丢什么？

像交班给另一位同事：对方最需要目标、禁止事项、已经做完的事、还没核实的事，以及到哪里看原证据。原始日志可以外置，但决定下一步动作的区别不能抹平。摘要也不是执行数据库，不应凭它判定不可重复动作是否已完成。

截断直接删掉一部分上下文。

摘要压缩用新文本概括旧信息，可能引入改写错误。

快照明确字段的当前状态记录。

证据引用重新获取原文的定位信息。

输入与适用条件：构造的exclude修复场景；有意保留“集成测试尚未运行”这一否定状态。错误摘要只作为反例，禁止当作推荐模板。

1 / 5 · 原历史有很多噪声

停留时间

步骤第1步，共5步

窄屏可左右滑动图形，或点击“放大图形”。文字解释紧随图后。

工具输出、失败尝试和重复讨论可以很长。压缩的目标是减少历史占用，不是美化成“进度不错”。

可恢复快照

默认静止。用“下一步”看完解释再继续；播放到最后一步自动停止。键盘聚焦播放器后，可用左右键逐步查看、空格播放/暂停。图中颜色辅助区分，含义同时用文字注明。

为什么需要

有限窗口无法一直保留全部原始对话，但任务需要连续推进。

怎样实现

保留必要状态与引用，压缩后核对，再从原始来源恢复细节。

可能的代价与误解

摘要重写可能把猜测变结论，多轮摘要还可能累计偏移。

如何判断是否做对

比较压缩前后允许的下一步动作是否一致，而不只是文本相似度。

怎样观察与验证

错误样例会缺少public_api，并出现4处字段变化。它不是自然语言理解器；真实摘要需先可靠抽取命题，并继续执行任务验证。

运行命令

python3 reading-notes/experiments/05_compaction_fidelity.py

完整教学代码

"""结构化命题保真检查。不是自然语言理解器，也不是 LLM 压缩实现。"""
from copy import deepcopy

CANONICAL = {
    "public_api": {"value":"unchanged", "certainty":"required", "version":"all"},
    "config_loaded": {"value":True, "certainty":"verified", "evidence":"T1"},
    "path_cause": {"value":"base_mismatch", "certainty":"hypothesis", "evidence":None},
    "patch": {"value":"not_applied", "certainty":"observed", "version":"v3"},
    "tests": {"value":"pending", "certainty":"observed", "version":"v3"},
}


def compare_claims(reference: dict, candidate: dict) -> dict:
    if not isinstance(reference,dict) or not isinstance(candidate,dict):
        raise TypeError("输入必须是结构化命题字典")
    missing = sorted(set(reference)-set(candidate))
    extra = sorted(set(candidate)-set(reference))
    changes=[]
    for key in sorted(set(reference)&set(candidate)):
        if not isinstance(reference[key],dict) or not isinstance(candidate[key],dict):
            raise TypeError("每条命题必须包含字段字典")
        for field in sorted(set(reference[key])|set(candidate[key])):
            if reference[key].get(field) != candidate[key].get(field):
                changes.append({"claim":key,"field":field,
                                "expected":reference[key].get(field),
                                "actual":candidate[key].get(field)})
    return {"preserved": not missing and not extra and not changes,
            "missing":missing,"extra":extra,"changed":changes}


def bad_summary() -> dict:
    wrong=deepcopy(CANONICAL)
    del wrong["public_api"]
    wrong["path_cause"]["certainty"]="verified"
    wrong["patch"]["value"]="applied"
    wrong["tests"]={"value":"passed","certainty":"observed","version":"v2"}
    return wrong


def self_test() -> None:
    assert compare_claims(CANONICAL,deepcopy(CANONICAL))["preserved"]
    result=compare_claims(CANONICAL,bad_summary())
    assert not result["preserved"]
    assert result["missing"] == ["public_api"]
    assert len(result["changed"]) == 4


def run_demo() -> dict:
    return {"性质":"人工标注命题上的确定性校验，不会自动判断自然语言",
            "基准":CANONICAL,"错误压缩":bad_summary(),
            "差异":compare_claims(CANONICAL,bad_summary()),
            "限制":"真实压缩仍需人工/模型抽取校准，以及继续执行任务的测试"}


if __name__ == "__main__":
    import json
    self_test()
    print(json.dumps(run_demo(),ensure_ascii=False,indent=2))

运行结果示例

以下结果由随包脚本产生。它们不是LLM或产品性能数据。

{
  "性质": "人工标注命题上的确定性校验，不会自动判断自然语言",
  "基准": {
    "public_api": {
      "value": "unchanged",
      "certainty": "required",
      "version": "all"
    },
    "config_loaded": {
      "value": true,
      "certainty": "verified",
      "evidence": "T1"
    },
    "path_cause": {
      "value": "base_mismatch",
      "certainty": "hypothesis",
      "evidence": null
    },
    "patch": {
      "value": "not_applied",
      "certainty": "observed",
      "version": "v3"
    },
    "tests": {
      "value": "pending",
      "certainty": "observed",
      "version": "v3"
    }
  },
  "错误压缩": {
    "config_loaded": {
      "value": true,
      "certainty": "verified",
      "evidence": "T1"
    },
    "path_cause": {
      "value": "base_mismatch",
      "certainty": "verified",
      "evidence": null
    },
    "patch": {
      "value": "applied",
      "certainty": "observed",
      "version": "v3"
    },
    "tests": {
      "value": "passed",
      "certainty": "observed",
      "version": "v2"
    }
  },
  "差异": {
    "preserved": false,
    "missing": [
      "public_api"
    ],
    "extra": [],
    "changed": [
      {
        "claim": "patch",
        "field": "value",
        "expected": "not_applied",
        "actual": "applied"
      },
      {
        "claim": "path_cause",
        "field": "certainty",
        "expected": "hypothesis",
        "actual": "verified"
      },
      {
        "claim": "tests",
        "field": "value",
        "expected": "pending",
        "actual": "passed"
      },
      {
        "claim": "tests",
        "field": "version",
        "expected": "v3",
        "actual": "v2"
      }
    ]
  },
  "限制": "真实压缩仍需人工/模型抽取校准，以及继续执行任务的测试"
}