ARTICLE / ai
压缩之后,那条指令变成了历史
2026 年 11 月 16 日,OpenClaw 发布 v2026.11.5-beta.3。它的版本亮点只有两句话:降低 transcript 索引、裁剪与压缩过程中的内存压力;hydration 只流式传输被选中的 payload,并遵循一个可配置的摘要上限。同一天,同一个项目的 issue 列表里躺着三条同一主题的报告:大会话读取 context 时全量扫描 transcript,一次快照读要 19 到 25 秒(#185111);约 864 MiB 的语料 memory index 报出 worker task capacity reached,而且不重试(#196505);大型会话反复杀死 512 MB 的 SQLite worker,错误名是 ERR_WORKER_OUT_OF_MEMORY(#191847)。
一个版本在修的东西,和三条 issue 在痛的东西,是同一件事:当会话长到一定程度,上下文不再是一段文本,而是一份需要被索引、被裁剪、被压缩、被流式投递的状态库。它有三个无法回避的伴生成本——钱、时间、语义。这三笔账在 11 月 16 日这一天,被至少七个项目同时摊在了桌面上。
先看另外几个现场。OpenAI Codex 的 #27731 记录了一件比崩溃更麻烦的事:compact 之后恢复会话,模型把一段陈旧的用户 prompt 当成了当前指令执行。Qwen Code 在同一天的 PR #15936 里给压缩加了一条硬约束:压缩请求必须为摘要预留至少 4096 个输出 token,否则降级或拒绝。GitHub Copilot CLI 的 #2068 说,后台压缩会多消耗 1 次 premium request。OpenCode 的 #61020 则是模型目录里丢了上下文窗口的信息,于是压缩在错误的时点提前发生。
这些报告没有一条在讨论模型能力。它们讨论的都是记账方式:谁来付压缩的钱,压缩要花多久,压完之后哪句话还算“现在”。
第一本账:同一段前缀,付了两次钱
OpenClaw 的 #143017 是一份少见的成本取证。报告者用生产流量的 wire capture 反复补充证据,结论是 prompt 前缀被五种不同的路径重写,实测浪费了 21.3M 个 cache-write token。前一天的日报里还记着两件事:同一族问题的 #182891 报告每次请求的缓存 read 从 N 跌到 0;#130257 记录了子代理花费无法归因,父 turn 花了 0.04 美元,子代理花了 14.14 美元,相差约 350 倍。
把这三条放在一起,能看清 prompt cache 的成本结构。缓存按前缀匹配,前缀一旦变化,后面全部作废,下一次请求要把整段上下文重新写进缓存。缓存写入的价格通常高于命中读取,所以“前缀被重写五次”的代价,是同一段内容以更贵的单价被重新买了一遍,远不止五份钱。21.3M 个 cache-write token 是这件事的计量单位。
前缀为什么会漂移,日报没有列出那五种路径的具体内容。但从同批材料里可以推出几类常见成因:系统提示词里嵌入了每次都变的东西,比如时间戳、会话标识、顺序不稳定的记忆段;工具 Schema 的字段顺序或描述文本不稳定;上下文裁剪之后,前缀与上一轮的边界对不上;多后端切换时模板结构不同;摘要的注入位置发生变化。这几类的共同点是,每一次看起来都是合理的动态生成,没有一处像错误。工程上唯一有效的约束是把它当接口来管:前缀的字节序列要么稳定,要么显式版本化,中间状态最贵。
真正的麻烦在于,这种浪费不会以错误的形式出现。请求成功,回答正常,只有账单在涨。使用者看到的是“这个月怎么贵了”,看不到“某一行系统提示词被重新排序了”。这类缺陷的观测面在计费侧,不在功能侧,所以它天然容易被漏掉。
同一天的成本账还有几笔性质不同的。
Copilot CLI 的 #2068(5 个赞)指向后台压缩本身计费:一次压缩消耗一次 premium request。压缩本来是省钱的机制,在这里变成了一次独立的收费动作。Codex 的 #54227 是另一种形态:一位每月付 200 美元的用户,连续一个多月遭遇 server_overloaded 和远程 compact 失败。付费额度与可用性脱钩,账单照付,任务不完成。
OpenCode 的 #59387 攒到了 370 条评论,主题是免费层的额度问题——“额度已用尽”“重置从不发生”。配套的 #52894 只要求一件事:把重置时间精确显示出来。这条请求之所以有 13 条评论,是因为在缺少重置时间的情况下,用户无法区分“我用完了”和“系统算错了”。
还有一类成本藏在扩展层。anthropics/skills 的 #1487 指出,claude-api 这个 Skill 单次注入约 156k token,直接把上下文打爆。Gemini CLI 的 #19561 记录单轮基线约 36.6k token,而 #24246 说工具数超过 128 个就会触发 400 错误。工具定义也是上下文,Schema 也是 token,装得越多,每一轮都要重付一次。
把这些现场并排放,能看到成本并不是“单价乘以 token 数”这么简单的一个乘积:
| 现场 | 工具 | 观测到的数字 | 成本落在哪一层 | 使用者能看到的信号 |
|---|---|---|---|---|
| #143017 前缀被五种方式重写 | OpenClaw | 21.3M cache-write token | 缓存写入层 | 只有账单,没有报错 |
| #130257 子代理花费不可归因 | OpenClaw | 父 0.04 美元 / 子 14.14 美元 | 记账粒度层 | 总额异常,无法定位 |
| #2068 后台压缩计费 | Copilot CLI | 每次压缩 1 次 premium request | 计费动作层 | 配额消耗快于预期 |
| #15936 摘要输出预算 | Qwen Code | 至少预留 4096 输出 token | 生成预算层 | 压缩被降级或拒绝 |
| #1487 Skill 注入体积 | Claude Code Skills | 单次约 156k token | 扩展注入层 | 上下文突然不够用 |
| #24246 工具数上限 | Gemini CLI | 超过 128 个工具报 400 | 协议负载层 | 请求直接失败 |
这张表里最值得记住的一行是第二行。前缀重写是浪费,但浪费可以度量;归因缺失是另一种问题——花费发生了,却无法指认是谁花的。当一个父任务只花了 4 美分、它调起的子代理花了 14 美元时,任何按父任务做预算的机制都会失效。成本治理的第一步不是省钱,是让每一笔钱都能落到一个可命名的对象上。
第二本账:19 秒的快照与一句过期的指令
钱的问题再贵,至少是可逆的。第二本账不是。
#185111 描述的是读取:大会话下,取一次 context 要把 transcript 全量扫一遍,耗时 19 到 25 秒。这个数字之所以重要,是因为它出现在“读”这一步,而不是“想”这一步。用户感知到的卡顿、超时、重试,很多时候不在模型推理,而在把状态从磁盘搬到内存的这段路上。beta.3 的 hydration 改动直接对着它:只流式传输被选中的 payload,不再整份搬运。
#196505 的 864 MiB 索引与 worker task capacity reached 说明另一件事:索引本身成了有容量上限的资源,触顶之后不重试。一个不重试的容量错误,在日志里只出现一次,然后表现为“这个会话的记忆好像不全”。#191847 里那个 512 MB 的 SQLite worker 被反复杀死,则是同一个瓶颈的暴力版本——进程被杀,正在处理的轮次一起消失。
Codex 的 #61568 把这个问题推到了启动阶段:0.167 之后,TUI 启动时会加载其他线程的完整 rollout,单次启动占用数 GB 内存,而 0.166 是正常的。这条已经被关闭,但它留下的形状很典型:一个为了“让用户看到全部历史”的便利设计,把启动成本变成了随会话数量线性增长的固定开销。
真正让第二本账变成正确性问题的是 #27731。compact 会丢弃原文、保留摘要;恢复时,摘要和后续消息拼回一个新的上下文。如果拼接顺序、角色标记或时间信息有任何一处不对,模型就会把摘要里的旧要求当成新的指令。它不会报错,它会照做。这就是标题里那句话的来历:压缩之后,那条指令变成了历史,但模型读到的语气是现在时。
OpenCode 的 #61020 是同一族缺陷的另一种触发方式:模型目录里缺少上下文窗口大小,压缩器按错误的阈值判断“快满了”,于是提前压缩。上下文窗口是模型元数据,属于那种“缺了也能跑、但会算错”的字段。这条已修复关闭,配套的 PR #64133 加上了冷却后重试。
Qwen Code 的 #15225 更隐蔽:auto-memory 把一个自动记忆目录作为独立的 user 消息附在 tool result 后面。结果是模型开始输出空泛承诺,而不是继续调用工具。原因不难推:一段以 user 身份出现的新指令,会和当前任务的工具调用意图竞争注意力。记忆注入的位置,本身就是一个会影响行为的设计变量。
这四条放在一起,可以给“压缩”下一个更准确的定义:它不是把长文本变短,而是把“状态”重新编码成“叙述”。编码过程中会丢掉三样东西——出处、时间、以及哪些内容是证据哪些是要求。丢掉之后,模型仍然能读懂这段话,所以没有任何一层会报警。
工程上的应对,这一天已经出现了三个方向。
第一个方向是把摘要的预算显式化。Qwen Code 的 #15936 要求为摘要预留至少 4096 个输出 token,超长时自动恢复。这条约束的含义是:摘要不是免费的副产品,它要从输出预算里切一块出来,切不出来就应该降级而不是硬压。
第二个方向是把任务状态搬出上下文。Gemini CLI 的 #18836 与 #21000 提出用持久化文件的 CRUD 替代把任务清单写进对话窗口的做法,理由是后者会随上下文腐烂。任务清单本来就不该占用对话历史,它属于外部状态,读写都应该走文件。
第三个方向是压缩后重新注入“当前目标”。这一条没有单一 issue 对应,但从 #27731 的失效形态可以直接推出来:如果压缩后第一件事是重申当前目标、当前约束和“以下是历史摘要”的边界标记,那么陈旧指令被误读的概率会显著下降。代价是每次压缩多花几百个 token,收益是把一类静默错误变成可检出、可复现的错误。
| 工具 | 压缩相关现场 | 触发条件 | 观测到的数字或结果 | 失效发生在哪一层 |
|---|---|---|---|---|
| OpenClaw | #185111 快照读全量扫描 | 大会话 | 19 到 25 秒 | 读取路径 |
| OpenClaw | #196505 索引触顶 | 约 864 MiB 语料 | worker task capacity reached,不重试 | 索引容量 |
| Codex | #27731 恢复后执行陈旧指令 | compact 后恢复 | 陈旧 prompt 被当作当前指令 | 语义拼接 |
| Codex | #61568 启动加载全量 rollout | 0.167 之后 | 单次启动数 GB 内存 | 启动路径 |
| OpenCode | #61020 提前压缩 | 模型目录缺窗口大小 | 压缩在错误阈值触发 | 模型元数据 |
| Qwen Code | #15225 记忆注入干扰 | auto-memory 附加消息 | 模型输出空泛承诺,停止调用工具 | 注入位置 |
| Qwen Code | #15936 摘要预算 | 压缩请求 | 至少 4096 输出 token | 生成预算 |
表格里七行,只有一行的后果是“报错”。其余六行的后果都是“看起来正常”。这就是上下文工程和普通后端工程最大的差别:普通后端的资源不足会抛异常,上下文的资源不足会降级成一段读得通、但含义已经变了的话。
还有一条当天被关闭的 P0 值得单独记(#193962):从 2026.10.10 起,SQLite header-probe 超时让 openclaw update 无法到达新版本,也就是说,修复本身没法通过升级通道送到受害者手里,日报把这类问题称作“修复够不着受害者”的更新死锁。它和压缩没有技术关系,但共享同一个结构:一条系统里最贵的路径,往往是那条把东西送到用户手里的通道。通道坏了,做对的事等于没做。
四种失败形态,三种取舍
把 11 月 16 日前后这些报告按后果分类,压缩会呈现出四种不同的失败。
第一种是容量失败,表现是读不动。19 到 25 秒的快照读、864 MiB 的索引触顶、512 MB worker 被 OOM 杀死,都属于这一类。它们的共同点是恶化平缓、没有断崖,只有在会话足够长、索引足够大之后才显现。beta.3 对 transcript 索引、裁剪与压缩做内存优化,正是对这类失败的正面回应。
第二种是时态失败,表现是历史被当成现在。#27731 是最干净的样本:compact 之后恢复,模型执行了一段陈旧 prompt。这类失败特别难查,因为输出本身是合理的,只是对应了一个已经过期的目标。用户看到的是“它怎么又去做那件事了”,日志里找不到任何异常。
第三种是出处失败,表现是分不清哪段话从哪来。11 月 16 日 HN 上还有一条同型的样本:检测工具把一个 2020 年前写成的人类长文判定为 100% AI 生成。判断本身并不离谱,错的是把来源放错了位置——把人的文字归给了机器。Qwen Code 的 #17318 提出了一个系统性方案:对 shell 与远程工具的输出建立统一的“不可信上下文”标记,用来防御 prompt injection。这条建议的价值超出安全范畴——它实际上是在给上下文加来源标签。同一族的还有 OpenClaw 的 #127195:16 处调用点抛出字节级完全相同的错误串,没有判别码,生产环境无法定位根因。错误信息也是上下文,如果两条不同的故障产生同一句话,那么这句话的信息量就是零。
第四种是删除失败,表现是历史不可达。Claude Code 的 #96718 报告 Artifact 的“版本历史”菜单被移除,已经保存的版本无法再访问,影响 Claude Code、Cowork 与 claude.ai 全线产品,10 条评论、16 个赞,是当天热度最高的回归问题。同一天还有一件事:约 20 条 9 月的旧 issue 因 stale 被批量关闭,其中包含 Cowork 挂起、MCP 协议版本不匹配、credentials.json 无限增长、后台任务孤儿进程等有复现的实质性问题。
这两件事放在一起看有点刺:一边是用户保存的历史版本变得不可达,一边是项目自己的问题历史被批量标记为结束。它们和上下文压缩不是同一件事,但共享同一个前提——没有被保留的历史,等于没有发生过。
删除的极端形态在前一天的 HN 上。一条 40 分、61 条评论的帖子记录了一次真实事故:用户让 agent 帮忙给页面重新编号,结果 agent 删掉了法学院教授的整份教学大纲和一年的讲义。agent 自己的说法是“我因为自己的粗心删掉了你的文件”。这条讨论几乎没有人替 agent 辩护,社区共识集中在权限边界与沙箱化。但还有一个更朴素的角度:如果那份讲义有版本历史,这次事故的后果就只是回滚一次。删除之所以可怕,是因为它同时消灭了“内容”和“可以恢复内容的那份记录”。
第四种失败形态最容易被低估,因为它不改变任何正在运行的东西。它只是让某一类问题在下次出现时,无法被追溯。
与四种失败对应的,是三个必须做的取舍。
取舍一:摘要保真度与输出预算。摘要越长越保真,但摘要本身要花 token,而且要占输出预算。Qwen Code 的选择是给一个下限——至少 4096 个输出 token 留给摘要,做不到就降级或拒绝。OpenClaw 的选择是把上限做成可配置项,并在 release note 里明确提示:升级后如果依赖旧的完整 hydration 行为,需要检查配置。这两个选择的共同点是,它们都把“压多少”从一个隐含常量变成了显式参数。
取舍二:索引与全量扫描。全量扫描的代码最简单,代价随会话长度线性增长,最终变成 19 到 25 秒。索引快,但索引本身要维护、要占内存、会有容量上限,触顶之后还会不重试。Gemini CLI 的 #22745 提供了第三种思路:用 AST 感知的文件读取、搜索与代码库映射,只取需要的那一段语法结构,而不是把整个文件塞进窗口。这条路的前提是代码本身有结构可依;对自然语言对话,结构就得靠 transcript 索引来造。
取舍三:阻塞与后台。压缩如果同步执行,就会卡住当前轮次;如果放后台,就要处理“压缩期间新消息到达”的竞态。OpenClaw 的 #199840 修的是手动压缩期间重复拷贝 transcript 的主线程开销,Hermes Agent 一侧的 #99524、#117886、#20372 三个条目指向同一个方向:把压缩挪到后台且非阻塞。这个取舍没有免费选项,只有把代价放在哪一侧的问题。
三种取舍合起来解释了一个现象:为什么同一个问题会在七个项目里同时出现。因为这里没有统一的正确写法,只有一组没有标准答案的权衡,每个团队都在自己的负载下重新选一遍。
另外四个现场:状态、摘要、预算、真相
同一套记账方式,在 11 月 16 日的其他报告里还能看到四次,每一次都不涉及模型能力,只涉及“什么东西被当成了真相”。
第一次是缓存与真相的边界。Codex 的 #54538 报告:空的项目缓存导致本地数据库里完好的项目“消失”,恢复缓存之后项目又回来了。这条报告的措辞很克制,但含义不轻——当缓存成为读取路径上的唯一入口,缓存为空就等于数据不存在。上下文压缩也有同一个风险:当摘要成为恢复会话的唯一材料,摘要里没有的东西,就等于没发生过。
第二次是瞬时错误被写成永久状态。Hermes Agent 的 #119070 记录了一张 Kanban 卡片因为一次限流被永久标记为 blocker_auth,reviewer 从此再也不会触发;同项目的 #139532 是网关在轮次中途重启,把会话 fencing 成 unknown,之后的消息永久排队,桌面端没有任何解锁入口。Qwen Code 的 #17383 更直接:Runtime Broker 创建超时后会话永久卡死,状态名叫 RECOVERY_BLOCKED,字面意思就是“恢复被阻止”,且没有用户可走的路。
这三条和 #27731 是同一种病:一个瞬时事件被固化成永久状态,而系统里没有任何一处负责把它改回来。压缩造成的时态错乱正是这个病的一种——某段话在压缩那一刻是历史,之后再也没有人重新标注它。
第三次是摘要变成唯一可见物。Claude Code 的 #94032 报告 summarizedThinking 这个特性开关被强制开启,桌面端与移动端对所有模型启用思维链摘要,用户没有退出选项。这里的问题不在于摘要本身,而在于“完整版本是否还拿得到”。anthropics/skills 的 #1329 提出 compact-memory 技能,方向是给 agent 做记忆压缩;#1385 提出推理质量门禁。两件事合起来指向同一个方向:压缩已经不再是一个可选优化,它正在变成默认视图,于是“压缩产物的质量”变成了唯一的质量。
第四次是预算变成常量。Copilot CLI 的 #5464 说 MCP 服务器的 discover 超时只有 10 秒,慢启动的服务器直接失败;OpenClaw 的 #161158 说 gateway restart 实际上成功了却报失败,退出码还是 0,而 60 秒的就绪预算写死在代码里。这些常量单独看都很合理,合起来就是一套隐形的判定标准:谁在 10 秒内没出现,谁就被判死;谁在 60 秒内没就绪,谁就被判失败。上下文预算也是同一类东西——摘要留多少、压缩什么时候触发、快照读等多久,每一个数字都在替人做判决。
还有一条关于浪费的:#5459 说 Copilot 的后台任务用 sleep 轮询,白烧模型轮次。轮次是钱的计量单位,也是注意力的计量单位;一个 sleep 循环浪费的不只是 token,还有本可以用在别处的上下文空间。
这四个现场串起来,是一条比“压缩”更宽的线:一个系统里,被当成真相的那一层,决定了故障的形态。缓存被当成真相,清空缓存就是数据消失;状态字段被当成真相,一次限流就是永久封禁;摘要被当成真相,压缩就是失忆;常量被当成真相,慢一点就是失败。
准入与协议:把整块能力切成能被声明的增量
把视线上移一层,会发现“只传选中的那一块”并不只是 hydration 的技术选择,它是这一天里多个层面的共同答案。
上游的一次动作可以作对照。OpenAI 在 11 月 16 日集中发布了 43 条内容,其中三分之二以上与安全直接相关,去重后约二十四篇;日报同时记录了一个限制,全部条目的正文提取失败,分析只能基于标题与 URL 结构,这一点先记在这里。在这个前提下,标题层面呈现的动作仍然清楚:GPT-6 Cyber 是按领域切分的前沿模型,配套的 Trusted Access for Cyber 描述的是准入框架——危险能力只交给经过审查的团队;Codex Security 进入研究预览,并专门配了一篇解释“为什么不包含 SAST”的文章。准入审查就是模型层的 payload 选择器:能力不再整份发放,而是按“谁、用来做什么”切片发放。而那篇“为什么不做 SAST”的说明是另一种自觉——把边界写在功能旁边,边界可校验,比多列十项能力更能建立信任。
开源侧的同一动作出现在 GitHub Trending 上。11 月 16 日的榜单里,AgentOps 类项目第一次集中出现:NVIDIA 的 SkillEvaluator 做技能评测,包含质量门禁、语义重叠检测和合成评测集;腾讯的 LoopForge 做编码 Agent 的交付编排,带人工审批门禁;阿里的 open-code-review 用确定性规则管线加 LLM Agent 做行级评论。三者合起来是规划、执行、评审、评测的一条链,共同点是都不信任单次生成的结果。SkillEvaluator 的分量在于它回应了一个新问题:技能包爆发之后,“这个技能好不好用、和别的技能是否语义重叠”无法靠人肉阅读解决,只能靠评测集。另一侧是 Google Chrome 团队的 modern-web-guidance-src 当日新增 1220 星、chrome-devtools-mcp 新增 718 星——给编码 Agent 持续注入最新规范与真实浏览器能力,用外部增量知识源解决“模型知识过时”。
协议的层面也在同步。Copilot CLI 这一天的新旧活跃 issue 里,接近三分之一与 ACP 相关:#4275 要求 ACP 暴露 contextTier 会话配置项(8 条评论、5 个赞),理由是外部客户端需要动态调整上下文窗口;#5354 指出 ACP 不通告 Copilot Fusion 及其 tier 配置(6 个赞),于是 T3 Code 这类客户端看不到它。OpenCode 的 #54371 是反方向:ACP 下 slash 命令能执行,但输出从不流式返回,已复现,影响 JetBrains 里的使用。Qwen Code 则在把 1.0 的事件驱动内核逐个 surface 切换,headless 会话(#17336)与 Ink TUI(#17362)已经默认跑在共享 agent loop 上。
这三件事指向同一个结论:当 CLI 变成被 Zed、JetBrains、手机端消费的 agent 后端时,“我能提供什么”必须变成“你能声明你需要什么”。contextTier 是客户端对上下文预算的声明,Fusion tier 是服务端对推理档位的声明,slash 命令的流式输出是双方对交互粒度的约定。协议化的本质,是把原本混在一起的一整块能力,拆成可以被单独协商的增量。
增量化的失败形态也在同一天出现,而且都是静默的。Copilot 的 #5457 报告 Fusion 的 tier 设为 high,却被静默降级为 policy standard,没有任何警告;#4773 报告 MCP 重复发现时对已加载的 namespace 报 Found 0 tools,agent 据此判定集成不可用,直接跳过工作流步骤。两条都不抛错,两条都改变结果。
这就是增量架构的代价:一旦你只请求“选中的那一块”,你就必须有能力验证拿到的是不是那一块。整块传输的时代,缺什么一眼能看出来;增量传输的时代,缺的那一块表现为“这里本来就没有”。
收束:四个能自己查的信号
回到一开始那个对照。一个版本在修 hydration 与摘要上限,三条 issue 在报快照读、索引容量与 worker 被杀。同一件事的两面,说明上下文工程已经进入基础设施阶段:它不再由模型能力决定,而由索引、缓存、预算、元数据这些传统工程件决定。
如果要把这一天的材料压缩成可执行的自查,有四个信号值得放进监控。
第一个是前缀稳定性。把系统提示词、工具 Schema、记忆注入段当成接口来管理,给它们定版本号,任何顺序调整、字段增删都视为破坏性变更。判据很硬:同一段对话的连续请求里,缓存写入量应该只在第一轮出现,后续轮次接近零;如果每轮都有可观的写入,说明前缀在漂移。这一条不需要读代码,看计费明细就能发现。
第二个是压缩的次数与预算。压缩次数应该是可观测的计数器,而不是只在日志里偶尔出现的动作。每次压缩是否预留了足够的摘要输出预算,压缩后是否重新注入了当前目标与“以下是历史”的边界标记,这两件事都可以写成断言。Qwen Code 给出的 4096 是个参考值:摘要预算是输出预算的一部分,不是免费的。
如果要给压缩产物定一个最小契约,三条就够:每条摘要必须带出处,说清它由哪一轮、哪个工具的输出生成;必须带时间,明确它是历史而不是当前指令;必须标明它能不能被当作指令执行。三条都能被程序检查,也都能被模型读懂。Gemini CLI 的 #22598 要求 subagent 轨迹可以通过 /chat share 查看,本质上是同一条契约在可观测性上的落地——轨迹要能被外部审查,摘要才不至于成为唯一的真相来源。
第三个是归因粒度。花费必须能按父任务、子代理、工具调用三层拆开。父 0.04 美元、子 14.14 美元这种组合,在任何只按父任务记账的系统里都是不可见的。归因做不出来,预算就只是总额告警,永远查不到具体是谁。
第四个是读取延迟与容量上限。快照读的 19 到 25 秒、索引的 864 MiB 触顶、512 MB worker 被 OOM 杀死,这三个数字属于同一类指标:它们都在描述“状态库已经开始跟不上会话长度”。这类指标的特点是恶化平缓、没有断崖,等你感觉到慢的时候,它已经慢了很久。工具数量与单轮 token 基线也该一起看——超过 128 个工具就报 400、单轮 36.6k 的基线,都是会在扩展时突然撞上的墙。
需要说清的边界有这几条。本文的所有数据来自 2026 年 11 月 15 日与 16 日的两份开源生态日报、一份 AI CLI 工具日报、一份 GitHub 趋势日报与一份官方内容追踪日报,属于单日快照;issue 的评论数、状态、合并情况都以快照时点为准,其中若干条在发文时可能已经变化。日报本身是自动汇总产物,OpenClaw 与 Hermes Agent 两个项目的 issue 与 PR 更新量都触及了采集上限,因此这些数字只能当下限看,不能当总量。Qwen Code 的 4096 token 预算、OpenClaw 的 21.3M cache-write token、Codex 的 14.14 美元与 0.04 美元,均为报告者自述或项目方自报,本文没有独立复现。OpenAI 那批安全内容的分析建立在标题与 URL 结构上,正文全部提取失败,方向判断的置信度应当打折。
还有一个事实需要放在明处:上下文压缩这个问题,过去被当成“长会话的体验优化”,现在它同时出现在成本、正确性、协议协商三个层面。把它当优化项,就会在预算里给它留一行备注;把它当基础设施,才会给它配索引、配预算、配断言、配归因。
11 月 16 日这一天,七个项目给出的答案其实是同一个:不要让任何东西以整块的形式流动。前缀要能被稳定命中,状态要能被分段读取,摘要要能被单独计价,能力要能按用途发放,工具要能按需声明。所有这些做法都有一个前提——你得能定位到那一块。
定位不到,增量就退化成全量;而全量,是这一天所有账单的来源。