信息提纯

要解决的问题

Agent 在真实工作场景里吃到的输入，往往不是干净的指令，而是一团高熵文本：语音转写带进来的语气词和断句错误、会议记录里反复修改的语句、OCR 识别出的乱码和错位换行、网页正文直接复制粘贴后的排版噪声。这类输入的共同问题是有效语义被噪声稀释——不是 token 数太多，而是信噪比太低。模型在噪声密度高的输入上做推理时，出错概率显著上升：漏看一个否定表述、忽略一个边界条件、把数字和单位读错，都可能发生。

工作机制

信息提纯 扮演的是智能体流水线里的前置预处理单元：在正式处理用户需求之前先做一次熵减，把提纯后的文本再交给下游。

核心能力有三点：

• 无损优先。默认开启的是轻度无损压缩，只剔除没有信息增益的内容——语气赘词、纯重复语句、情绪化表达、乱码字符和无效格式。所有背景、前提、数字、约束、边界条件和核心诉求原样保留，只规整语序、梳理逻辑。
• 双档位设计。轻度无损自动启用；深度有损压缩只在用户给出 启用深度压缩 或等效表述时手动触发，系统永不自动进入有损模式。
• 强制红线。严禁删减或弱化用户的有效信息与硬性约束（数字、时间、地点、人名、金额、否定表述等）；严禁脑补用户没提到的内容；它只做信息重组，不做信息扩展。

执行流程很直接：判断是否满足触发条件，若输入 ≤ 250 token 且结构清晰则直接熔断放行；否则进入轻度无损压缩；单任务场景输出为连贯段落，多任务场景输出为有序条目；压缩完成后回到常规角色，基于提纯文本响应，不输出解释性前缀。

适用边界

这个技能的定位很克制——只做输入预处理，不生成答案、不输出业务结论。它不依赖外部脚本或资源文件，纯靠提示词调度即可工作。

需要注意的点：

• 短查询、结构化问题、纯知识问答属于跳过场景，强行启用只会增加开销。
• 深度压缩虽然是合法档位，但精简次要细节本身就是有损操作，应当只在明确需要压缩上下文长度时手动触发。
• 多轮对话中每次处理新输入都独立执行完整流程，之前的结果不会被自动沿用。