問題 2 / 5
開啟 100 萬 Token 模式後，雖然解決了長歷程遺忘的問題，但配額消耗極快且回應變慢，該如何降低運算負擔？
AI 根據文章內容回答
百萬模式下每輪對話都會重新計算龐大的歷史紀錄，要解決配額與延遲問題，重點在於控管歷史紀錄的膨脹速度。建議嘗試以下優化作法：
- 設定合理的自動壓縮點：將 model_auto_compact_token_limit 降至 60 萬至 70 萬之間，提早觸發摘要機制，避免 Context 長期維持在高檔運算。
- 善用分支會話（Session Splitting）：當完成特定模組的開發後，及時開立新的對話 Session，僅將「上一階段的產出結果」貼入新會話，斷開無關的推理過程。
- 減少無效的工具調用：限制 AI 自主執行過於頻繁的全專案搜尋（如 grep），改由人工精準指定檔案路徑，能大幅減少 Token 的暴增。