拆解Pi Agent的上下文压缩实现与AI科普视频制作流程

Pi Agent 是怎么做上下文压缩的？尝试使用 @Remotion 和 @raft_hq 类似的新粗野风格做了一个拆解视频：

主线逻辑其实不复杂：
1. 超过「上下文窗口 − 16K」这条线，触发压缩。当然也有一些 OOM 的处理。
2. 找一个 cut point，切点之前的消息交给 LLM 写成结构化摘要，摘要本身也作为新记录写回 JSONL
3. 新 input = 摘要 + 切点之后的所有消息

这一步是有损的，旧细节只剩摘要，但 JSONL 的设计让你随时可以回溯。
看起来虽然 Pi Agent 本身的实现并不复杂，但由于强大的 Extension 机制，使用者完全可以自定义自己的压缩策略。
我想社区插件里应该有很多优秀的实现，有没有推荐的可以学习学习。

这里也记录一下整个视频产出的工作流：
1. 使用 grok 的 research 技能去调研信息，拿到后用 Claude 交叉验证。
2. Fable 使用 tldraw offline 画图，一图胜千言，调研文档是全面的，但是也比较啰嗦。画图可以把主要的脉络抽出来。
3. 自己对着流程图做讲解，用语音输入法录下来，然后交给 AI 去整理。
4. 整理完口播脚本，照着流程图去设计分镜。
5. 使用 Remotion 参考脚本与分镜去制作视频。
6. Fable 临时写了个提词器小工具，录口播音频，找 BGM，最后导出视频。

感觉后面可以把提词器抽出来做一个简单的小工具，优化配音的流程。

做视频之前稍微调研了一下视频的比例，主流的应该都是 9:16，但是要注意「安全区」。因为很多平台的上方和下方一定是有一些 UI 遮挡的，所以最好避开这些地方，才能得到最佳的观感。

这个后面我也会再整理整理。图片中是我视频号的截图，上面的安全区给的就不够。

总体流程下来，发现 AI 已经可以大大提高这些科普视频的制作效率了，这是一个好的时代，希望大家利用好工具，多多产出高质量的内容，而不是做一些自己都看不下去的 AI Slop 出来。

对文字有态度，对未知有敬畏。