在对话历史长度超过模型的上下文窗口限制时，可以采用哪些上下文压缩方法来处理？请给出各类方法的机制并分析其优缺点。

回答思路

1. 【回答框架 1】核心策略包括截断、摘要、向量检索和滑动窗口。截断直接丢弃最早消息，简单但丢失重要信息；摘要生成历史要点，保留核心但可能失真且增加计算开销。
2. 【回答框架 2】滑动窗口固定最近N轮，实时性高，但长对话早期信息完全丢失；向量检索将历史编码为向量存库，按相关性召回，能保留全局信息，但需要额外索引和检索延迟。
3. 【回答框架 3】混合策略：最近消息用原样，早期消息用摘要+向量检索兜底，平衡效果与成本。
4. 【关键点 1】截断简单但有信息丢失风险。
5. 【关键点 2】摘要保留要点但可能失真。
6. 【关键点 3】滑动窗口适合短时记忆场景。
7. 【关键点 4】向量检索支持长程依赖但需额外存储和计算。
8. 【关键点 5】实际方案应结合多种策略。
9. 【易错点 1】不能保证摘要完全不失真。
10. 【易错点 2】向量检索存在召回不准确的风险。
11. 【易错点 3】混合方案可能引入更大延迟。