RSS DEV 社区
关注
上下文压缩可视化器：在 AI 代理因遗忘而造成损失前，直观查看其遗漏内容
在多个回合中运行的 AI 智能体面临上下文限制，被迫压缩或丢弃早期消息。这种上下文丢失往往不可见但至关重要，可能导致智能体遗忘关键约束、用户偏好或先前决策。Context Compaction Visualizer 平台通过使上下文管理过程透明化来解决这一问题。用户可从 LangSmith、OpenTelemetry 或 AgentOps 等不同平台上传执行轨迹，平台随后重建完整的会话历史，详细说明哪些消息被保留、摘要化或丢弃。D3.js 时间线以颜色编码的结果可视化所有回合中的 token 消耗情况。会话回放功能支持逐步审查，突出显示压缩事件及其影响。Token 分析提供总成本与压缩效率的洞察。可选的由 Claude 驱动的信息丢失检测器会对每次压缩事件的风险评分，并识别可能丢失的信息。该平台支持对比视图，以便并排评估不同智能体或压缩策略。部署涉及安装 Python 和 Node.js，配置可选的 Anthropic API 密钥，并运行后端与前端服务，或使用 Docker。后端包含多种轨迹格式的解析器，在进一步处理前对其进行标准化。关键设计决策包括解析器标准化、信息丢失检测器的优雅降级机制，以及在 React 中高效集成 D3.js。本项目旨在通过使上下文压缩这一不可见的过程变得可见，记录所丢失的上下文及其价值。
