144、流式长文本记忆：向量+摘要+窗口那阵子线上服务老是报错，一看日志全是Context length exceeded，用户聊到第20轮，历史记录硬塞进提示词，直接撑爆了上下文窗口。当时第一反应是上个滑动窗口，把最老的对话丢掉，保留最近的几轮。改完果然不报错了，但用户回头就骂——模型把他半小时前报过的车牌号忘了，整个客服对话断片。这就是典型的长文本记忆问题：窗口太短丢细节，窗口太长放不下，摘要会丢精确信息，向量检索又容易召回一堆无关片段。后来我把这三样揉在一起，才算是把流式长文本记忆这口锅端稳了。先说说窗口。滑动窗口是最朴素的方案，本质就是“只保留最近N条消息”。工程上好实现，内存占用固定，推理时token数可控。但它的致命伤是“硬遗忘”——不管老信息重不重要，一旦滑出窗口就彻底消失。我试过把窗口调大，能缓解，但对话一长还是炸，而且大窗口会让模型注意力分散，回答质量反而下降。更气人的是，用户经常在聊了十几轮之后突然问“我一开始说的那个地址还记得吗”，这时候窗口里早就没影了。后来我加了摘要线程。思路是：当窗口快满时，把窗口里最老的一半消息喂给小模型，生成一段“历史摘要”，存起来。之后每次对话，都把摘要加在窗口前面，相当于给模型一个“压缩过的过去”。这样确实能留住大方向，比如用户想要什么、聊过什么主题。但摘要有个大坑——它是损失压缩。具体数值、名字、条款细节，摘要模型一偷懒就给你省了。有次用户问“我上次说的预算上限是三万还是五万”，摘要里只写了“讨论了预算”，等于没写。就在这两个方案来回折腾的时候，我意识到它们其实是互补的。窗口负责“近期精确”，摘要负责“远期概览”，但还缺一个“远期精确”的通道。这时候向量检索就派上用场了。思路很直