大语言模型对话中提示词动态去重文本优化方法及系统

本发明涉及大语言模型对话动态优化领域，具体涉及大语言模型对话中提示词动态去重文本优化方法及系统，方法为：采用环形缓冲区动态维护对话记录，优先保留提示词并淘汰陈旧数据；通过递进式前缀匹配算法对对话记录的重复长文本进行压缩，生成可逆向解析的标记格式，同时建立压缩内容自校验机制防止语义断层；基于复合权重模型实现内容价值评估和去重，构建时间、频率、语义三个维度的量化指标体系，自动过滤对话记录内容中的低权重冗余信息，本发明能够实现大语言模型对话中的上下文长度缩减，提高关键信息留存率，能够提升大语言模型对话处理效率与资源利用率。