上下文工程，就是对传入大模型的所有上下文信息做结构化、精简、优先级排序、持久化与召回管理，在有限 token 限制下，保证模型推理准确、稳定、不溢出。上下文窗口有限，不能无限塞历史信息杂乱会导致模型混乱、幻觉长对话、多轮 Agent 必须记住关键状态外部知识库不能全塞进去，要精准召回把早期对话丢给 LLM 生成精简摘要只保留摘要 + 最新几轮完整对话适合长对话、多轮 Agent 任务。

本项目实现了一个微博评论自动化处理系统，旨在通过技术手段对微博评论进行高效管理。系统核心功能包括评论数据爬取、文本内容清洗、情感分析、违法内容检测与智能回复生成，以及数据存储与异常情况提醒。技术栈主要基于Python，结合了Transformers、DeepSeek API、MySQL和Requests等工具。系统通过模拟浏览器请求头自动处理分页逻辑，并使用预训练模型进行情感分析和违法内容检测，确

本项目实现了一个微博评论自动化处理系统，旨在通过技术手段对微博评论进行高效管理。系统核心功能包括评论数据爬取、文本内容清洗、情感分析、违法内容检测与智能回复生成，以及数据存储与异常情况提醒。技术栈主要基于Python，结合了Transformers、DeepSeek API、MySQL和Requests等工具。系统通过模拟浏览器请求头自动处理分页逻辑，并使用预训练模型进行情感分析和违法内容检测，确