Hacktoberfest 2026: những issue maintainer đã đánh dấu cho tháng Mười, đang mở và phù hợp người mới. Xem issue Hacktoberfest

[s08_context_compact] Current user request may be lost after snip_compact

Đang mở
  • Có gì không ổn?
#577 1 bình luận 0 reaction 0 người được giao Xem trên GitHub

Maintainer thường phản hồi trong vòng 1 ngày

@ship-onward đang làm issue này rồi.

Từ ngày 15/9/2026.

  • #578 của @ship-onward — đang mở
  • #580 của @wudilyy999 — đang mở

Đánh giá

Độ khó
3/5
Thời gian dự kiến
1-2 ngày
Mức phù hợp với người mới
68/100
Loại issue
Lỗi
Độ rõ ràng
Khá rõ ràng
Mức độ hoạt động
Sôi nổi
Công nghệ
python
Lĩnh vực
ai-infra-agents

Hướng nghiên cứu

Bắt đầu với s08_context_compact/code.py và kiểm tra snip_compact(), prepare(), compact_history() và reactive_compact(). Tái hiện ba prompt liên tiếp trong README trong một cuộc trò chuyện CLI duy nhất, sau đó xác minh rằng sau khi compact cấu trúc, yêu cầu đang hoạt động vẫn hiển thị với model và Prompt 3 được trả lời thay vì một yêu cầu đã lưu trữ.

Do mô hình lập chỉ mục viết ra từ nội dung của issue.

Mô tả

Title

[s08_context_compact] Current user request may be lost after snip_compact

English

Problem

I found a possible issue while testing s08_context_compact with the example prompts from the README.

I entered all three example prompts sequentially in the same CLI conversation:

Prompt 1

请读取 s01_agent_loop 到 s05_todo_write 五节课程的 README.md，
比较它们的一级标题，并总结这些标题的命名规律。

Prompt 2

请分析 web/src/data/generated/docs.json 的数据结构，
并说明一条课程记录包含哪些主要字段。

Prompt 3

请比较 s08_context_compact/code.py 和 s09_memory/code.py，
并说明它们分别怎样管理当前上下文和持久记忆。

While processing Prompt 3, the agent initially read and analyzed s08 and s09 correctly. However, after many tool calls, it unexpectedly returned to Prompt 1 and finally answered the old task instead of the current one.

The screenshot below shows this transition directly: the agent is still inspecting s08 / s09, then immediately switches back to s01–s05.

Image
Possible Cause

snip_compact() keeps the first few messages and the most recent messages:

head_end = 3
tail_start = len(messages) - (max_messages - head_end - 1)

During a long tool-use loop, the current user request may move into the archived middle section.

Although active_request is available in prepare(), it is only explicitly reinserted when compact_history() or reactive_compact() runs.

So this sequence seems possible:

many tool calls
→ snip_compact()
→ current request is archived
→ context is now below the limit
→ compact_history() is not triggered
→ active_request is no longer visible to the model
Possible Fix

Ensure that the current active_request is still present in the model-visible context after snip_compact().

For example, snip_compact() could preserve the current request explicitly, or the harness could reinsert a dedicated Current user request message after structural compaction.

Context compaction may archive history, but it should not remove the currently active user request from the model-visible context.

中文

问题描述

我在按照 README 中提供的测试用例测试 s08_context_compact 时发现了一个可能的问题。

我将 README 中的三条测试 Prompt 连续输入在同一个 CLI 对话窗口中：

Prompt 1

请读取 s01_agent_loop 到 s05_todo_write 五节课程的 README.md，
比较它们的一级标题，并总结这些标题的命名规律。

Prompt 2

请分析 web/src/data/generated/docs.json 的数据结构，
并说明一条课程记录包含哪些主要字段。

Prompt 3

请比较 s08_context_compact/code.py 和 s09_memory/code.py，
并说明它们分别怎样管理当前上下文和持久记忆。

在处理 Prompt 3 时，Agent 前期能够正常读取并分析 s08 和 s09，但在执行了大量工具调用之后，突然重新回到了 Prompt 1，最终回答的也是旧任务，而不是当前任务。

下方截图可以直接看到这个过程：前面还在检查 s08 / s09，随后就切换回了 s01～s05。（图片见英文版）

可能原因

snip_compact() 会保留最前面的几条消息和最近的消息：

head_end = 3
tail_start = len(messages) - (max_messages - head_end - 1)

当一次任务产生大量工具调用时，当前用户请求可能进入中间区域并被归档。

虽然 prepare() 中保存了 active_request，但只有触发 compact_history() 或 reactive_compact() 时，它才会被显式重新加入模型上下文。

因此可能出现：

大量工具调用
→ snip_compact()
→ 当前请求被归档
→ 上下文已经低于限制
→ 不触发 compact_history()
→ 模型看不到 active_request
可能的修复方式

在 snip_compact() 之后，确保当前 active_request 仍然存在于模型可见的上下文中。

例如，可以让 snip_compact() 显式保留当前请求，或者在结构压缩后重新加入一条独立的 Current user request 消息。

上下文压缩可以归档历史消息，但不应该把当前正在执行的用户请求从模型可见上下文中删除。

Ngôn ngữ chính
Python
Star
78.6k
Fork
12.6k
Merge trung bình
3 giờ 27 phút
Pull request đã merge (30 ngày)
2

Chuẩn bị môi trường

Bắt đầu từ đâu

  1. Đọc hết issue, rồi đọc hướng dẫn đóng góp của dự án.
  2. Bình luận trên issue rằng bạn sẽ nhận — tránh hai người làm cùng một việc.
  3. Fork repository và làm thay đổi trên một nhánh.
  4. Mở pull request có tham chiếu số hiệu của issue.

Issue khác của shareAI-lab/learn-claude-code

Tất cả issue của shareAI-lab/learn-claude-code

Issue tương tự

Thêm issue về Python

Nhận issue mới trong hộp thư của bạn

Bản tóm tắt ngắn những issue GitHub phù hợp với người mới.