#AI
AI 压缩上下文时丢弃 83% 用户指令
AI 系统为腾出上下文空间而压缩(compaction)长对话历史时，会把用户设定的行为规则一并丢掉。宾州州立大学的研究指出，平均只有约 17% 的会话级约束(session constraints)能在压缩后幸存，其余约 83% 被丢弃。
这类规则是「未经我批准不要发邮件」「回复中不要提我的名字」等仅对当前会话生效的限制，不属于任务本身，也不是永久系统提示词——因此最脆弱。
💡 为什么值得看压缩致规则丢失致误操作，免训练模块可恢复九成。
查证
来源档案
The Decoder
AI 行业科技媒体，转载并解读学术研究
该文是对宾州州立大学论文的二手报道，未附论文原文链接；内核结论（83% 丢失、90% 保留、具体场景数字）均来自报道转述，尚未独立核实论文本身，建议按单源待跟处理。
延伸阅读
文中用日历修改示例说明，规则丢失可能导致 agent 未经授权调用工具、披露信息或跳过验证步骤，质量与安全双重风险值得关注。
免训练、不改压缩系统、90% 以上的保留率——这套插件式的思路对做 agent 上下文管理的读者有直接参考价值。