llama.cpp 滑窗注意力上下文检查点内存溢出排查复盘

jomi-se 复盘了 llama.cpp 运行 Gemma 4 12B 压测时的 RAM 溢出问题，定位原因为滑窗注意力上下文检查点持续堆积。默认每个 slot 保留 32 个检查点，每个约 320MiB，而其简单对话续传场景保留 4 个即可；作者还通过动画视频展示了该机制。