diff --git a/fastapi_app.py b/fastapi_app.py
index e052589..42067f2 100644
--- a/fastapi_app.py
+++ b/fastapi_app.py
@@ -830,15 +830,23 @@ def process_messages(messages: List[Message], language: Optional[str] = None) ->
     """处理消息列表，包括[TOOL_CALL]|[TOOL_RESPONSE]|[ANSWER]分割和语言指令添加"""
     processed_messages = []
 
+    # 收集所有ASSISTANT消息的索引
+    assistant_indices = [i for i, msg in enumerate(messages) if msg.role == "assistant"]
+    total_assistant_messages = len(assistant_indices)
+    cutoff_point = max(0, total_assistant_messages - 5)
     # 处理每条消息
-    for msg in messages:
+    for i, msg in enumerate(messages):
         if msg.role == "assistant":
+            # 确定当前ASSISTANT消息在所有ASSISTANT消息中的位置（从0开始）
+            assistant_position = assistant_indices.index(i)
+            
             # 使用正则表达式按照 [TOOL_CALL]|[TOOL_RESPONSE]|[ANSWER] 进行切割
             parts = re.split(r'\[(TOOL_CALL|TOOL_RESPONSE|ANSWER)\]', msg.content)
 
-            # 重新组装内容，过滤掉过长的 [TOOL_RESPONSE] 后的内容
+            # 重新组装内容，根据消息位置决定处理方式
             filtered_content = ""
             current_tag = None
+            is_recent_message = assistant_position >= cutoff_point  # 最近10条消息
 
             for i in range(0, len(parts)):
                 if i % 2 == 0:  # 文本内容
@@ -847,26 +855,32 @@ def process_messages(messages: List[Message], language: Optional[str] = None) ->
                         continue
 
                     if current_tag == "TOOL_RESPONSE":
-                        # 统计 [TOOL_RESPONSE] 后面的文字长度，超过500字就截取
-                        if len(text) <= 500:
-                            filtered_content += f"[TOOL_RESPONSE]\n{text}\n"
-                        else:
-                            # 截取前中后3段内容，每段250字
-                            first_part = text[:250]
-                            middle_start = len(text) // 2 - 125
-                            middle_part = text[middle_start:middle_start + 250]
-                            last_part = text[-250:]
-                            
-                            # 计算省略的字数
-                            omitted_count = len(text) - 750
-                            omitted_text = f"...此处省略{omitted_count}字..."
-                            
-                            # 拼接内容
-                            truncated_text = f"{first_part}\n{omitted_text}\n{middle_part}\n{omitted_text}\n{last_part}"
-                            filtered_content += f"[TOOL_RESPONSE]\n{truncated_text}\n"
+                        if is_recent_message:
+                            # 最近10条ASSISTANT消息：保留完整TOOL_RESPONSE信息（使用简略模式）
+                            if len(text) <= 500:
+                                filtered_content += f"[TOOL_RESPONSE]\n{text}\n"
+                            else:
+                                # 截取前中后3段内容，每段250字
+                                first_part = text[:250]
+                                middle_start = len(text) // 2 - 125
+                                middle_part = text[middle_start:middle_start + 250]
+                                last_part = text[-250:]
+                                
+                                # 计算省略的字数
+                                omitted_count = len(text) - 750
+                                omitted_text = f"...此处省略{omitted_count}字..."
+                                
+                                # 拼接内容
+                                truncated_text = f"{first_part}\n{omitted_text}\n{middle_part}\n{omitted_text}\n{last_part}"
+                                filtered_content += f"[TOOL_RESPONSE]\n{truncated_text}\n"
+                        # 10条以上的消息：不保留TOOL_RESPONSE数据（完全跳过）
                     elif current_tag == "TOOL_CALL":
-                        filtered_content += f"[TOOL_CALL]\n{text}\n"
+                        if is_recent_message:
+                            # 最近10条ASSISTANT消息：保留TOOL_CALL信息
+                            filtered_content += f"[TOOL_CALL]\n{text}\n"
+                        # 10条以上的消息：不保留TOOL_CALL数据（完全跳过）
                     elif current_tag == "ANSWER":
+                        # 所有ASSISTANT消息都保留ANSWER数据
                         filtered_content += f"[ANSWER]\n{text}\n"
                     else:
                         # 第一个标签之前的内容