面试官：上下文一压缩，Agent 就不会调工具了，怎么定位？

一个客服 Agent压缩前会先查订单再查物流。对话变长触发上下文压缩后同样的问题它开始重复问订单号有时甚至不调工具直接编一个物流状态。候选人回答“摘要丢信息了把上下文窗口调大。”面试官继续追问“你怎么证明是摘要的问题不是工具注册变了、模型波动或者运行时状态没传进去”这道题真正考的不是会不会写摘要提示词而是能不能把一句“工具调用变差了”定位成一个可复现、可对比的工程问题。一、先别改压缩策略先确认“差”在哪一层工具调用是一条链路**工具可见性**压缩后模型还能不能看到原来的工具名称、描述、参数 Schema、必填项有没有变化**工具选择**工具明明存在模型是没选还是选错了这通常和任务目标、触发条件是否被摘要保留有关。**参数构造**工具选对了但订单号、用户 ID、时间范围或枚举值丢了调用自然会失败。**执行连续性**前面已经完成的动作没有保留下来Agent 可能重复调用、重复确认甚至丢掉幂等键。**结果解释**工具执行成功了但调用结果或错误语义被过度压缩模型把“查不到”理解成“没有”或者干脆忽略结果自己回答。二、不要只看聊天页面要看模型真正收到的输入页面上还能看到订单号不代表压缩后的模型也能看到。保存压缩前后请求快照对比五项系统和开发者指令、工具列表与 Schema、压缩摘要、保留的最近消息、应用侧运行状态。这里最容易混淆的是两类状态模型决策状态是最终发给模型的目标、对象 ID、已完成动作和待办可信运行状态是程序内部保存的真实用户身份、租户、权限、凭证和幂等键。程序里的字段不会自动出现在模型输入中但身份和权限也不该依赖模型记住而应由工具运行时注入并强制校验。反过来模型做选择所需的对象 ID 和任务进度如果只写在自然语言对话里一旦被压缩就可能直接消失。先做差异对比工具到底少没少关键字段到底在哪一层丢的。三、用同一个失败请求做对照实验先保存最小复现包请求或 trace ID、模型配置、工具 Schema 哈希、压缩器版本与摘要、运行状态快照、工具返回值。再固定模型版本、采样参数、工具注册和用户输入重放那条失败请求。A 组使用压缩前的原始历史B 组使用实际压缩产物C1 只给 B 补回近期原文C2 只补回疑似丢失的状态字段。每组重放多次并比较成功率避免把一次模型波动当成结论。有副作用的工具不能直接在生产环境重放。退款、发信、改订单等调用要使用 mock、沙箱或幂等保护。不要只比较最终答案还要记录工具选择是否正确参数是否完整并通过 Schema 校验是否重复调用或再次追问已知信息工具结果是否被正确引用任务最终是否完成。比如 B 组的摘要里订单号消失而 C2 只补回订单号后参数合法率和任务完成率稳定恢复才有证据把问题收敛到这个字段。如果没有可重放快照目前就只能算弱证据。四、真正该拆开的是“会话摘要”和“工作状态”会话摘要适合保留“聊了什么”不适合独自承担“下一步怎么执行”。更稳的做法是额外维护一份结构化工作状态明确保存当前目标、已确认事实、对象 ID、约束、已完成动作、待办动作、上一次工具结果或错误以及运行时需要的身份、权限和幂等键。这份状态也不是原样全塞给模型。目标、对象 ID 和任务进度可以按需提供给模型真实身份、权限、凭证和幂等控制留在可信运行时由工具包装层使用。压缩时旧的闲聊和冗长工具输出可以总结最近原文保留多少由任务评测决定。采用 call/result 消息协议时工具调用与对应结果要带着关联 ID 成对保留不能只留下其中一半。体积很大的原始结果可以放到外部存储但要留下可追溯的文档 ID 或结果指针。这样压缩负责节省 token工作状态负责保证 Agent 还知道自己是谁、做到哪一步、接下来该调什么。五、修完以后还要在“压缩边界”做回归如果测试只覆盖压缩阈值以内的短对话就不会触发这类边界问题。应该把同一组任务分别放在压缩前一轮、刚触发压缩、连续压缩两次三个位置运行并检查工具选择率、参数合法率、重复调用率和任务完成率。还要把工具搜索或延迟加载单独测试。如果压缩前后工具集合本身就不同那是工具发现问题不能全算到摘要头上。六、面试官追问30 秒怎么答上下文压缩后工具调用变差我不会先调大窗口而会先把故障拆成工具可见性、工具选择、参数构造、执行连续性和结果解释五层。然后保存可重放快照固定模型和工具用同一个失败请求对比压缩前后的真实输入再分别只补回近期原文或疑似丢失字段多次重放比较工具选择、参数合法、重复调用和任务完成率。副作用工具只在 mock、沙箱或幂等保护下重放。修复上会把会话摘要与工作状态分开摘要保存语义结构化状态保存 ID、权限、已完成动作、待办和幂等键最近消息及工具调用和结果成对保留。最后在压缩边界做回归测试。基于摘要或裁剪的上下文压缩通常是有损状态转换。定位的关键不是问“少了多少字”而是找出“哪一项执行状态不再可见”。学AI大模型的正确顺序千万不要搞错了2026年AI风口已来各行各业的AI渗透肉眼可见超多公司要么转型做AI相关产品要么高薪挖AI技术人才机遇直接摆在眼前有往AI方向发展或者本身有后端编程基础的朋友直接冲AI大模型应用开发转岗超合适就算暂时不打算转岗了解大模型、RAG、Prompt、Agent这些热门概念能上手做简单项目也绝对是求职加分王给大家整理了超全最新的AI大模型应用开发学习清单和资料手把手帮你快速入门学习路线:✅大模型基础认知—大模型核心原理、发展历程、主流模型GPT、文心一言等特点解析✅核心技术模块—RAG检索增强生成、Prompt工程实战、Agent智能体开发逻辑✅开发基础能力—Python进阶、API接口调用、大模型开发框架LangChain等实操✅应用场景开发—智能问答系统、企业知识库、AIGC内容生成工具、行业定制化大模型应用✅项目落地流程—需求拆解、技术选型、模型调优、测试上线、运维迭代✅面试求职冲刺—岗位JD解析、简历AI项目包装、高频面试题汇总、模拟面经以上6大模块看似清晰好上手实则每个部分都有扎实的核心内容需要吃透我把大模型的学习全流程已经整理好了抓住AI时代风口轻松解锁职业新可能希望大家都能把握机遇实现薪资/职业跃迁这份完整版的大模型 AI 学习资料已经上传CSDN朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】