本文来自 Lucy 浏览器扩展原型的实践，聚焦长对话的信息结构。

AI 回答通常追求完整：给出主方案，也列出风险、替代路径和更多可能。单轮看，这种完整很有帮助；多轮叠加后，用户却要承担额外工作——记住最初目标、判断当前分支是否值得继续、保存暂时不处理的方向，并决定什么时候应该新开会话。

长对话的问题因此不只是“文本太长”，更是行动路径失去结构。

摘要回答不了下一步

普通摘要擅长压缩事实：讨论了哪些主题、得出了什么结论。它不一定说明当前最重要的目标是什么，也不会区分正在推进的分支、顺带提及的话题，以及对目标重要却尚未处理的方向。

Lucy 将对话状态拆成四类：

  • 主线：当前对话最初要完成的目标；
  • 活跃分支：眼下正在推进、仍服务主线的路径；
  • 次要分支：有价值但可以稍后处理的话题；
  • 遗漏方向：与目标直接相关，却在对话中失去优先级的问题。

这种结构的目的不是给对话贴标签，而是降低用户恢复上下文和重新排序的成本。

分析必须落到动作

只显示“对话已经偏移”仍然把决策负担留给用户。导航系统需要把判断转成三种明确动作：继续当前主线、切换到某个分支，或者带着整理好的背景新开会话。每个动作都附带可复制的下一句指令，用户可以修改后再发送。

这里保留了一个重要边界：系统给出路径建议，最终选择仍由用户完成。对复杂知识任务而言，哪些方向值得投入往往包含模型无法知道的业务优先级。

连续摘要维持结构，而非保存全文

每次分析全部历史会增加 token、延迟和噪声；只读取最近几轮又会忘记早期目标。可行的中间方案是保留上一次的结构化主线与分支摘要，再与最近对话共同输入下一次分析。

前序结构化状态 + 最近对话
→ 更新主线与分支
→ 判断偏移或污染
→ 生成下一步指令

结构化状态承担连续性，原始对话仍是事实来源。它不会自动证明分析正确，因此用户应能看到建议依据，并在重要任务中复核原文。

导航与个人知识需要协同

当对话缺少项目背景时，路径判断也可能偏离真实目标。Lucy 因此把本地知识召回放在导航之前：用户从授权文件中检索资料、预览来源，再决定是否注入当前对话。一个模块控制“模型知道什么”，另一个模块控制“接下来讨论什么”。

主线与分支导航的价值最终需要用主线纠偏率、新会话采纳率和人工一致性评分验证。目前这些仍是待验证指标，不能用原型可运行替代用户效果结论。