Pydantic AI 的上下文管理机制如何控制 Token 消耗？

1. 提供商原生压缩

部分提供商暴露内置压缩 API，Pydantic AI 将其封装为 Capabilities：

• OpenAICompaction：使用 OpenAI Responses API 的压缩功能
• AnthropicCompaction：使用 Anthropic 的自动上下文压缩，可配置 token_threshold 触发阈值

2. 模型无关的历史处理

通过 history processor 包装为 ProcessHistory capability，可在任何模型上实现上下文管理：

• 滑动窗口：仅保留最近的消息，零成本
• 摘要压缩：使用更便宜的模型将旧消息压缩为摘要

3. Pydantic AI Harness 的分层压缩

Harness 提供一系列即用型模型无关压缩策略，包括零 LLM 历史编辑（滑动窗口修剪、清除旧工具结果、去重重复文件读取、钳制过大的消息部分）和 LLM 摘要，以及 TieredCompaction 编排器，仅在需要时从廉价策略升级到昂贵策略。