07-上下文管理策略

原创 已于 2026-01-22 11:16:47 修改 · 903 阅读 · 25 ·
本内容遵循CC 4.0 BY-SA版权协议
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
GEO检测
收录于
claude

当前文章被收录于：

claude
10 篇文章 0 人学习
订阅专栏 查看详情
ai

当前文章被收录于：

ai
10 篇文章 0 人学习
订阅专栏 查看详情
于 2026-01-21 09:08:53 首次发布

AI 时代程序员必备技能

Codex、Claude Code、Cursor、Hermes Agent、OpenClaw等工程化实战专栏 ，讲透 AI 如何接管脏活累活

一键订阅

文章目录

Claude Code 高级篇（一）：上下文管理策略

修订记录

编号版本修订人修订内容日期
0011.0lixh创建全文2026-01-21

1. 概述

上下文管理是高效使用 Claude Code 的核心技能。理解上下文窗口的工作原理，并掌握优化策略，可以显著提升 AI 辅助编程的效果。

1.1 什么是上下文

在这里插入图片描述

1.2 为什么上下文管理重要

问题影响
上下文溢出早期信息丢失，Claude 忘记之前的讨论
上下文污染无关信息干扰，降低响应质量
上下文碎片化信息不连贯，理解困难

2. 上下文窗口原理

2.1 Token 限制

模型上下文窗口说明
Claude Opus 4.5200K tokens约 15-20 万中文字符
Claude Sonnet200K tokens默认模型
Claude Haiku200K tokens轻量模型

2.2 Token 消耗估算

内容类型估算规则
英文文本1 token ≈ 4 字符
中文文本1 token ≈ 1-2 字符
代码变化较大，取决于代码风格

2.3 上下文组成

总上下文 = 系统提示 + 对话历史 + 工具结果 + 当前输入

典型分布：
├── 系统提示: 5-15%  (CLAUDE.md, 工具定义)
├── 对话历史: 40-60% (之前的对话)
├── 工具结果: 20-30% (文件内容, 命令输出)
└── 当前输入: 5-10%  (本次请求)

3. 上下文优化策略

3.1 策略一：精简系统提示

优化前（CLAUDE.md 过于冗长）：

## 详细规则
1. 规则一的非常详细的描述...
2. 规则二的非常详细的描述...
... (几千字)

优化后：

## 核心规则
- 读取文件后再修改
- 函数 < 20行，嵌套 ≤ 3层
- 先理解再动手

3.2 策略二：按需加载文件

不推荐：一次读取大量文件

> 帮我读取 src 目录下所有文件

(可能消耗大量上下文)

推荐：按需逐步读取

> 先告诉我 src 目录有哪些文件

> 读取 src/auth.js

> 再看看 src/utils.js

3.3 策略三：及时清理上下文

使用 /compact 命令：

> /compact

上下文已压缩，保留核心信息：
- 项目结构
- 当前任务目标
- 关键代码片段

使用 /clear 命令：

> /clear

开始新会话，之前的对话已清除。

3.4 策略四：分阶段处理

将大任务拆分为多个独立会话：

会话 1: 分析现有代码结构
    ↓
   记录结论
    ↓
会话 2: 设计新功能方案
    ↓
   记录方案
    ↓
会话 3: 实现具体代码

4. 记忆系统

4.1 记忆层级

在这里插入图片描述

4.2 claude-mem（自动记忆）

特点：

  • 全自动捕获对话内容
  • 使用向量数据库存储
  • 新会话自动注入相关上下文

配置位置：~/.claude-mem/

使用方式：

# 查看记忆状态
> /claude-mem status

# 保存当前上下文
> /save

# 查找相关记忆
> /remember 用户认证

4.3 Memory MCP（知识图谱）

特点：

  • 存储实体和关系
  • 永久保存重要知识
  • 适合项目级知识管理

使用示例：

> 记住：项目使用 PostgreSQL 数据库，主库地址是 db.example.com

(保存到 Memory MCP)

> 这个项目用什么数据库？

(从 Memory MCP 检索)

4.4 HANDOFF.md（任务交接）

用途：紧急任务交接，保存当前工作状态

典型内容：

# 任务交接

## 当前状态
正在实现用户认证功能

## 已完成
- 数据库模型设计
- API 接口定义

## 待完成
- JWT 生成逻辑
- 刷新 Token 机制

## 关键文件
- src/auth/model.js
- src/auth/controller.js

5. 上下文注入技巧

5.1 使用项目指令

在 CLAUDE.md 中定义项目关键信息：

## 项目概述

- 技术栈：Node.js + Express + PostgreSQL
- 架构：RESTful API
- 认证：JWT Token

## 目录结构

src/
├── controllers/ # 控制器
├── models/ # 数据模型
├── routes/ # 路由定义
└── utils/ # 工具函数

5.2 利用触发词

配置关键词自动加载上下文：

## Auto-Trigger Rules

| Keywords | Action |
|----------|--------|
| 继续、接上次 | 自动加载相关记忆 |
| 这个项目 | 注入项目基本信息 |

5.3 分层上下文

Layer 1: 始终加载
├── 项目类型和技术栈
└── 核心规则

Layer 2: 按需加载
├── 具体模块信息
└── 历史决策

Layer 3: 临时加载
├── 当前任务相关文件
└── 调试信息

6. 实战技巧

6.1 大文件处理

问题：读取大文件消耗大量上下文

解决：

> 只读取 src/main.js 的前 50 行

> 读取 config.js 中的数据库配置部分

> 搜索 auth.js 中包含 "login" 的行

6.2 多文件协作

问题：需要同时了解多个相关文件

解决：

> 总结 src/auth 目录下各文件的主要功能

(Claude 返回摘要而非完整内容)

> 详细看一下 auth/jwt.js

6.3 长会话管理

检查点机制：

> 我们目前完成了什么？接下来要做什么？

(Claude 总结进度)

> /save
保存当前进度...

> 继续下一步

7. 上下文监控

7.1 查看使用情况

> /cost

上下文使用情况：
- 当前 tokens: 45,000 / 200,000
- 历史消息: 23 条
- 工具调用: 15 次

7.2 预警信号

信号含义建议操作
响应变慢上下文接近上限使用 /compact
遗忘之前内容早期信息被裁剪重新提供关键信息
重复询问上下文碎片化整理并重述需求

7.3 优化时机

场景建议操作
切换任务/clear 开始新会话
任务过半/compact 压缩上下文
调试完成清除调试相关信息

8. 最佳实践清单

8.1 会话开始

  • 明确本次任务目标
  • 检查 CLAUDE.md 配置
  • 确认相关记忆已加载

8.2 会话进行中

  • 按需读取文件
  • 及时确认理解
  • 定期保存进度

8.3 会话结束

  • 总结完成的工作
  • 保存重要决策
  • 记录待办事项

9. 常见问题

9.1 Claude 忘记了之前说的内容

原因：上下文裁剪

解决：

  • 重新提供关键信息
  • 使用记忆系统保存重要内容
  • 缩短单次会话长度

9.2 响应质量下降

原因：上下文过长或混乱

解决：

  • 使用 /compact 压缩
  • 清理无关信息
  • 重新组织问题

9.3 记忆检索不准确

原因：记忆内容不够具体

解决：

  • 使用具体的关键词保存
  • 添加分类标签
  • 定期清理过期记忆

10. 下一步

掌握上下文管理后，继续学习：

参考资料

AI 时代程序员必备技能

Codex、Claude Code、Cursor、Hermes Agent、OpenClaw等工程化实战专栏 ，讲透 AI 如何接管脏活累活

一键订阅
标签
#AI编程
瑞芯微RV1126平台人脸识别模型转换实战：从ONNX到RKNN的完整流程
o5p6q的博客
03-11 542
本文详细介绍了在瑞芯微RV1126平台上，将人脸识别模型从ONNX格式转换为RKNN格式的完整实战流程。内容涵盖模型结构分析、RKNN-Toolkit环境搭建、量化数据集准备、核心转换脚本编写与参数解析，以及在设备端的部署测试与性能调优，旨在帮助嵌入式AI开发者高效完成模型转化，提升边缘设备上的人脸识别应用部署效率。
Python实现FFT、小波变换和数据压缩
学习使你进步。
06-07 673
小波变换是一种分析信号的方法，可以分解信号成为多个尺度和频率的分量，从而更好地理解和处理信号。在Python中，我们可以使用pywt库来实现小波变换。在Python中，我们可以使用numpy库中的fft模块来实现FFT。数据压缩是一种将数据表示成更紧凑的形式的方法，可以减少存储空间和传输带宽。综上所述，Python提供了很多方便的工具来实现各种信号处理和数据压缩的方法。本文将介绍Python中如何实现傅里叶变换（FFT）、小波变换以及如何使用它们来进行数据压缩。Python实现FFT、小波变换和数据压缩。
【SpringBoot：实现上下文管理】
Glubin的博客
10-01 8432
所定义的上下文变量应具有高兼容性，支持存放比较复杂的数据，且方便读取。一般的实现方式是放置一个Map来实现。本文所实现的上下文，可存放变量，以及用户信息，我所使用的工程为了区分一般变量和业务变量，定义了两个存放变量的Map，一般使用一个Map就可以。定义上下文管理接口类，具体的管理逻辑在实现类中编写，上下文的具体变量也在实现类中编写。// 项目中定义的用户实体类 BaseCurrentUser getBaseCurrentUser();
python3.7安装包
python3.7安装包
【AI】提示词中的“上下文管理”：如何让大模型记住历史对话
好好学习，天天向上
08-07 2037
摘要： 上下文管理是确保大模型准确理解并记住历史对话内容的关键技术。其核心在于控制对话长度、明确关键信息、结构化表达及适时总结，以维持连贯性和准确性。大模型通过“上下文窗口”处理对话，但容量有限，需避免冗余或混淆。应用场景包括日常闲聊、工作办公及学习交流，需根据不同需求调整策略。提示词设计应包含历史信息与逻辑关系，简洁聚焦。常见问题如上下文丢失或混淆，可通过精简内容、重新提示或标记场景解决。未来趋势包括扩大上下文窗口、增强理解能力及自动化管理工具，以提升交互体验。
AI模型学习——上下文管理
qq_41879538的博客
01-16 758
上下文管理是指对大语言模型处理文本时所能"记住"和利用的对话历史、背景信息等上下文内容进行系统性控制的技术。上下文窗口维护：管理模型可处理的token范围信息优先级排序：决定哪些上下文应该被保留/丢弃长期记忆机制：超越单次对话的信息持久化。
大模型应用开发秘籍：上下文管理，不是越多越好！
2401_84204413的博客
10-24 1219
文章深入探讨了大模型应用中上下文管理的重要性和策略。首先指出上下文失控会导致污染、干扰、混淆和冲突等问题，影响模型性能；然后提出RAG技术、工具配置优化、上下文隔离、修剪和总结等管理策略；最后介绍上下文管理容器的实现方案。文章强调，有效的上下文管理不是简单增加上下文窗口，而是通过整理、压缩和选择相关内容，使上下文既足够相关又高效利用，从而提升大模型应用的质量和稳定性。
python基础 — 上下文管理器
个人博客
06-03 3031
自定义上下文管理器运行结果：自定义一个上下文管理器 MyContextManager ，包含__enter__和__exit__方法。分析运行结果可知其执行过程：首先执行类中的方法，它总是在进入代码块前被调用的接着就执行代码块——with语句下面的代码块离开的时候又调用类中的__exit__()...
Git分支管理策略
Freedom_hzw的博客
06-29 424
一、主分支Master 首先，代码库应该有一个、且仅有一个主分支。所有提供给用户使用的正式版本，都在这个主分支上发布。 二、开发分支Develop 主分支只用来分布重大版本，日常开发应该在另一条分支上完成。我们把开发用的分支，叫做Develop。 注意：默认情况下，Git执行"快进式合并"（fast-farward merge），会直接将Master分支指向Develop分支。 使用--no-ff参数后，会执行正常合并，在Master分支上生成一个新节点。为了保证版本演进的清晰，我们希..
上下文健康仪表板：Agent-Skills-for-Context-Engineering系统监控工具
最新发布
gitblog_00511的博客
02-24 304
Agent-Skills-for-Context-Engineering是一个全面的代理技能集合，专注于上下文工程、多智能体架构和生产代理系统。当您构建、优化或调试需要有效上下文管理的代理系统时，上下文健康仪表板成为不可或缺的监控工具，帮助您实时掌握系统运行状态。 ## 为什么上下文健康监控至关重要 在生产环境中，多智能体系统常常需要处理数百轮对话，这对上下文管理策略提出了极高要求。随着对话的
LLM大模型系列：提示词管理
2401_85375186的博客
07-19 1411
大模型应用需要一个针对产品级大型语言模型的高效管理系统。这一系统致力于精确处理输入至语言模型的各类查询与指令，其运作机制可类比于数字图书馆的管理体系，只不过这里的“藏书”换成了一个个精心设计的提示词。从抽象视角来看，提示词管理是一系列优化实践的集合，旨在提升应用程序中大模型对提示的处理能力。其核心在于实现提示词的版本控制，确保其与应用程序的核心代码及部署流程相分离，同时保证从请求的角度能够轻松追踪。
Git —— 分支管理策略
starter_____的博客
02-17 1247
一、主分支Master 首先，代码库应该有一个、且仅有一个主分支。所有提供给用户使用的正式版本，都在这个主分支上发布。 Git主分支的名字，默认叫做Master。它是自动建立的，版本库初始化以后，默认就是在主分支在进行开发。 二、开发分支Develop 主分支只用来分布重大版本，日常开发应该在另一条分支上完成。我们把开发用的分支，叫做Develop。 如果想正式对外发布，就在Master分支...
系统管理：新时代的核心管理策略
Happy_Jiyanyan的博客
08-07 1911
系统管理：新时代的核心管理策略。
FreeAskInternet版本控制：Git分支管理策略
gitblog_01024的博客
09-07 974
在FreeAskInternet开源项目的协作过程中，开发者常常面临分支混乱、版本冲突、发布周期不明确等问题。据GitHub官方统计，73%的开源项目因缺乏规范的分支管理导致协作效率降低40%以上。本文将系统讲解一套专为FreeAskInternet设计的Git分支管理策略，帮助团队实现"零冲突协作"、"可追溯版本"和"高效发布流程"。读完本文，你将掌握： - 适合开源项目的轻量化分支模型 - ...
Git 之分支管理策略
songkang666的专栏
05-07 165
Git step by step 从此打断，学习Git不一定按照这个顺序，甚至不应该。 阮一峰够NB，博客涉猎面好广（甚至有财经类的博客），对于Git的分支管理策略，个人觉得写得不错，很多Git书上都没讲那么清楚。[url=http://www.ruanyifeng.com/blog/2012/07/git.html]Git分支管理策略[/url] 就像...
上下文工程驱动智能体向 可撤销性控制设计
2503_92862471的博客
09-29 828
上下文工程驱动智能体向 可撤销性控制设计-摘要
Next-Level Agents：释放动态上下文（Dynamic Context）的巨大潜力
2401_85373691的博客
07-13 1149
本文深入探讨了如何通过优化动态上下文信息（Dynamic Context）来提升 AI Agents 的工作效率和准确性。文章首先概述了五种常见的技术策略，包括信息标识(Message Labeling)、针对不同需求设定不同上下文、优化系统提示词(System Prompts)、精简 RAG 系统中冗余信息，以及其他处理上下文的高级策略。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值