Claude Code Context Management

本章解释 Claude Code 如何在长任务里管理 Context，并把这些做法转成可复用的工程模式。目标是让你在构建 agent 或调试长任务时，能够稳定控制 Context 的结构、成本与信号密度。

• Context 不是“越多越好”，而是“最小高信号集合”。
• Claude Code 倾向于 just-in-time 读取，而不是一次性加载。
• Compact 不是丢信息，而是重新组织信息。
• 文件系统是低成本外部记忆。
• tool outputs 是最大 token 成本来源，需要节流。

你将学到什么

• Claude Code 的 Context 管理原则与操作手法
• 如何设置 Context budget 与 compaction trigger
• 如何用文件系统实现 progressive disclosure
• 如何控制 tool outputs 的 token 成本

Core Model

Claude Code 的 Context 管理可以拆为三层：

1. 固定层：长期稳定规则（如 CLAUDE.md、系统约束）
2. 任务层：本次任务目标、验收标准、关键事实
3. 动态层：搜索结果、工具输出、执行记录

核心原则是：固定层和任务层保持轻量稳定，动态层按需加载并随任务进度被压缩。

Key Practices

1) Context Budgeting

• 先设定预算，再开始任务
• 把任务拆为小阶段，每阶段限定 token 成本
• 当 Context 超过阈值（如 70-80%）触发 compact

2) Progressive Disclosure

不要一次性加载大段内容。先拿到 file path 或标题，再按需读取。

• 用 rg 找相关文件
• 用 head/tail 或分段读取
• 只保留当前决策需要的信息

3) Tool Output Throttling

大多数 Context 成本来自工具输出。控制策略包括：

• 对输出做摘要而非全文
• 分页/筛选/截断
• 输出优先结构化（表格/JSON/列表）

4) Compaction Strategy

Compaction 的目标是“保留关键信息 + 移除冗余”。建议结构：

• Files touched
• Decisions made
• Open questions
• Next actions

Example Workflow

1. 加载规则：CLAUDE.md + AGENTS.md
2. 定位目标文件：rg --files -g "*.md" src/content/learn/ai-engineer
3. 只读必要内容：先查看同类文件结构
4. 生成内容并写入
5. 回看 Context：是否有冗余输出

Anti-Patterns

• 一次性加载整个文档库
• 用超长 tool output 覆盖 Context
• 长任务不 compact，累积到不可控
• 重复读取相同内容却不总结

Checklist

• 是否明确 Context budget？
• 是否有 progressive disclosure？
• 是否限制 tool outputs？
• 是否设置 compaction trigger？
• 是否把规则集中到 CLAUDE.md/AGENTS.md？

Related Pages

• Context Engineering Fundamentals
• Context Compression Strategies
• Claude Code Examples
• Tool Design for Agents

Practice Task

• 用本章的三层模型梳理一个真实项目的 Context
• 设定 80% 触发 compact 的阈值，并设计 summary 模板
• 选一个 tool 输出场景，做一次分页或摘要改造

---

Skill Metadata

Created: 2025-12-26 Last Updated: 2025-12-26 Author: JR Academy Version: 1.0.0