面试官问：10K 上下文怎么跑 100 轮对话？我搭了一个 Agent 来回答
1. 先算一笔账：10K 能装几轮？
2. 核心思路：把上下文当成预算
3. 三层记忆
3.1 近期原文：只留最近 2 轮
3.2 摘要：把旧对话压成事实列表
3.3 长期记忆：BM25 + jieba 分词
4. 工具调用：让模型自己找记忆
5. 配置：TOML 比 JSON 更适合手写
6. 工具输出截断
7. 故障恢复：meta.json + conversation.jsonl 双保险
8. LLM 调用层
9. 日志
10. 100 轮压力测试
11. 怎么证明它没失忆？
12. 面试回答模板
本文首发地址 https://h89.cn/archives/637.html
"10K 上下文怎么做 100 轮对话？"
窗口越大，推理成本越高，延迟越长，"lost in the middle" 也越严重。这道题考的是你有没有主