华为金融智能体指南解读：128K窗口第15轮失忆

晚上十点，你把一个跑了三个月的活交给智能体：读合同、对条款、出差异表。头三轮像模像样，第八轮它把上一份合同的金额写进了这一份，第十二轮连你要的是表格还是段落都忘了。你回头翻提示词，觉得每条都写清楚了。

一本 144 页的《金融九问：生产级智能体规模化落地行动指南》，华为技术有限公司主编，北京国家金融标准化研究院和邮储、交通、兴业、广发、上海、南京、中原、长沙九家银行参编。第六章讲上下文的那几页，账算得跟直觉相反：智能体真正的天花板不在窗口容量，在轮次。

多数人现在的做法正相反：先把能塞的资料都塞进去，塞不下就换更大的窗口，换完发现它还是忘。你以为瓶颈是装不下，其实是装太杂。

01 128K 的窗口，第 15 轮才用掉一成二

指南给了一笔很具体的账。以一个 128K 的上下文窗口为例，系统基础指令约 8000 Token，每轮对话新增约 500 Token，到第 15 轮累计输入约 1.5 万 Token。连窗口的八分之一都没用到。

按容量算，这时候还早得很。然而紧接着的结论是：智能体在后台会自动触发记忆检索、工具加载这类辅助调用，返回里还夹着大量 JSON 噪音，很容易在 15 到 20 轮时触及性能拐点，响应质量骤降。它把这件事定性成金融级智能体落地中最常见的工程瓶颈。

那么"等窗口再大一点就好了"这个念头，方向是反的。吃掉预算的不是你说的话，是每一轮都在重发的常驻配置和后台调用。窗口是仓库，轮次是工人，仓库变大不代表工人不累。

同一章里有一个更别扭的口径。把约 2000 字的营销活动文案压成 200 字的关键信息，只留有效期、优惠力度、适用客群几个决策字段，准确率从 88.2% 升到 99%。砍掉九成文字，它反而更准。指南的结论是：更少但更准的信息，优于更多但含噪的信息。

它把压缩分成三档：L0 原始全量、L1 摘要折叠、L2 精准提取，按场景复杂度挑。再往外还有一步驱逐，把无关内容直接删掉，冗余文本还能再压掉一半。

代价那一面也写了。手机银行的意图超过 400 个，每个描述约 500 Token，全量注入就是 20 万 Token。就算换一个装得下的模型，注意力也已经被稀释掉了。

先量常驻配置。指南那个案例里，启动时自动加载的几个引导文件占了系统提示词的 60%，精简到约 3840 Token 之后，单会话可持续轮次从 15 提到 40。先看这个比例，再谈换模型。

短期记忆按场景定长度。复杂的转账流程留 6 到 7 轮，够提取收款人、金额、账户；余额查询留 2 到 3 轮就够。别一律保留全部历史。

按维度切开，别混在一个池子里。下面这张表是它给的切法，你可以直接照着排自己的预算。