用 Pi 跑本地模型，只有 128K、256K 上下文，聊久了容易爆、压缩后又怕丢信息？

推荐 4 个实用插件，从不同角度优化上下文管理👇

1️⃣ pi-compaction-control｜提前压缩
设置上下文硬上限，结合 "reserveTokens" 提前触发压缩，避免快满了才处理。

2️⃣ pi-compaction-model｜低成本压缩
通过 "/compaction-model" 指定专门负责总结的模型，主对话模型不用换，还能节省成本。

3️⃣ pi-session-compaction｜智能压缩
上下文使用达到 60% 后，Agent 会选择合适的任务节点主动压缩，尽量减少对工作流的打断。

4️⃣ pi-compaction-recall｜找回丢失细节
压缩后忘了关键数字、名称或历史信息？可以回查原始消息，减少信息损失。

💡 怎么选？
- 怕爆上下文 → compaction-control
- 想省 Token → compaction-model
- 不想频繁手动压缩 → session-compaction
- 担心压缩丢信息 → compaction-recall

这 4 个插件不是单纯扩大上下文，而是让有限的上下文用得更高效。

不过插件终究是优化手段。长任务、复杂项目想要更稳定，优先选择上下文更大、长文本处理能力更强的模型，才是更根本的解决方向。

#Pi #AIAgent #AI编程 #AI替我说 #用AI讲知识#开源工具 #howto手搓skill #ai #AI工具 #大模型