Claude Code 怎么处理长上下文窗口?

文章导读
在 Claude Code 里跑长任务,最怕的不是任务本身难,而是聊着聊着,模型开始忘记前面说好的事情。这种问题多数不是模型变笨了,而是上下文窗口被占满后,早期内容被压缩或丢弃。先学会判断这种状态,再决定怎么处理,比盲目开新会话更有效。
📋 目录
  1. 一 先判断:上下文是不是已经失真
  2. 二 与其重复解释,不如建一个事实文件
  3. 三 自动压缩会牺牲细节,关键参数提前落盘
  4. 四 别把整个代码库粘进对话
  5. 五 抽查上下文,不行就拆会话
A A

在 Claude Code 里跑长任务,最怕的不是任务本身难,而是聊着聊着,模型开始忘记前面说好的事情。这种问题多数不是模型变笨了,而是上下文窗口被占满后,早期内容被压缩或丢弃。先学会判断这种状态,再决定怎么处理,比盲目开新会话更有效。

先判断:上下文是不是已经失真

当对话进行到一半,模型开始渐忘你最开始给出的约束条件,比如要求始终使用中文回复,后面却冒出了英文;或者之前明确排除的方案再次出现,这通常意味着上下文窗口已经接近上限,早期信息被截断或压缩。另一种更直接的信号是命令行中出现"context length"或"too long"之类的报错,或者在工具日志里看到token计数接近阈值。这些情况出现后,不要继续在旧会话里追问,因为模型可能是在残缺信息上做推断。

这些信号不一定同时出现。只是响应变慢不一定代表上下文快满了,也可能只是服务端负载高。一旦出现“想不起早期约束”或报错,就别继续追问。

与其重复解释,不如建一个事实文件

面对长上下文任务,最有效的做法是不要依赖一次对话从头聊到尾。把项目的关键信息放到单独的文件里,例如CONTEXT.md,内容包括项目背景、当前目标、已完成事项、明确禁止的改动。每次开始新话题时,用Claude Code的文件引用机制让模型读取这份文档,而不是在对话里重新解释。这样即使上下文窗口被压缩或换新会话,模型仍然能拿到一致的事实。注意保持这个文件的及时更新,每次达成新共识后就补进去,把它当作项目的唯一事实来源。

Claude Code 怎么处理长上下文窗口?

下面是一个简单的CONTEXT.md示例:

# CONTEXT.md

## 项目背景
- 给内部工单系统增加一个搜索接口

## 当前目标
- 实现 /search 路由,支持关键词和状态过滤

## 已完成事项
- 数据库表结构确认,迁移文件在 db/migrations/0234_search.sql

## 明确禁止
- 不要改动认证中间件
- 不要引入额外的搜索引擎

写好后,每次开始新话题时,用 Claude Code 的文件引用功能,比如输入 @CONTEXT.md,或者按工具当前支持的读取方式让模型读取。关键是要“每次”都重新引用,不能指望模型自己记住上一个会话的内容。

自动压缩会牺牲细节,关键参数提前落盘

Claude Code的自动压缩功能会在上下文接近上限时把历史对话摘要化。这个机制能保住大的任务方向,但会牺牲细节,例如具体的函数名、路径、版本号,或者用户随口说过的偏好,都可能被摘要成模糊描述。因此,在涉及严苛配置、权限边界或不可逆操作时,不要信任压缩后的上下文。一个保守的做法是:在压缩发生之前,把关键参数复制到独立文件里,或者干脆结束当前会话,带着新文件重新开启会话。宁可多花一分钟同步信息,也不要让模型基于失真的摘要做决定。

Claude Code 怎么处理长上下文窗口?

如果压缩已经发生,模型只会给出模糊的方向,具体参数往往对不上。所以趁上下文还完整时,先把这些参数写进文件,再继续后面的步骤。

别把整个代码库粘进对话

很多用户习惯把整个代码文件粘贴到对话里,觉得这样省事。实际上这会快速消耗上下文窗口,而且模型在处理重复内容时可能会把注意力放在无关部分,反而忽略你真正要修改的地方。更合理的做法是用Claude Code的文件读取能力,直接传递文件路径。如果必须贴代码,只粘贴与当前问题相关的函数或代码块。另外,粘贴重复内容还会抬高成本——同样的token被反复计入,实践中你会发现上下文窗口很快被无意义内容占满。

如果只是需要修改某一个函数,可以先在本地用 grep 定位,再用 sed 抽出那几行,然后连同上下文的若干行一起贴给 Claude Code。这样贴的是局部代码,不会把整个命名空间、依赖声明都算进上下文里。

Claude Code 怎么处理长上下文窗口?

抽查上下文,不行就拆会话

要确认当前上下文是否还可靠,可以随机做一次“记忆抽查”。挑一个早期对话中明确出现过的具体事实,比如某个文件路径、某个决定的理由,然后问模型。如果模型回答不出来,或者给出和以前不一样的答案,说明这段历史已经被压缩或丢弃。另外,观察对话响应速度也能作为参考——通常上下文越长,响应越慢,但这不是绝对标准。如果工具本身提供了上下文占用率的显示,以它为准;没有的话,就靠抽查来监控。

抽查结果不一致,说明旧会话不可靠。可以结束当前会话,带着 CONTEXT.md 重新开始。对于大型任务,还有一条操作建议:

对于大型任务,与其在同一个会话里连续对话一百轮,不如把任务拆成几个小段落。比如写一个复杂功能时,先只让模型设计接口,再在下一个会话里让它实现具体函数,最后再做集成。每次会话的范围控制在一个主题内,这样上下文窗口能容纳所有必要信息,模型不需要依赖被压缩的旧记忆。拆分时注意记录下来,每个会话的输入输出,这样后续会话可以无缝衔接。