面试官抓狂:“我的 Claude Code 怎么越用越笨?!“我看了一眼:“不是它笨,是 auto-compact 把记忆悄悄压没了“

Claude Code入门学习笔记(五)--Claude Code命令行输入 claude code 是 Anthropic 推出的终端 AI 编码助手,在交互界面中通过 斜杠命令(Slash Commands)来控制 AI 助手的行为和上下文,合理使用斜杠命令,配合自然语言输入更加顺利完成开发操作。 阅读详情

这大半年我用 Claude Code 做 AlgoMooc 这个网站,经常一开就是很长的会话。有个现象遇到过不止一次:会话开久了,前面花好多轮才确认下来的关键结论,它后面像是完全没印象了,再问起来还得从头查一遍。

我起初以为是模型不稳定,后来才反应过来,不是模型变笨,是上下文被 auto-compact 悄悄压掉了。

压缩这事天天在眼皮底下发生,但我当时根本说不清它到底干了什么:auto-compact 触发的那一刻,它到底保留了什么、丢了什么?压缩之后我 CLAUDE.md 里的规则还在不在,子目录那份呢?要是有条结论我必须让它记住,我有什么办法让它在压缩里活下来?这几个问题,我那会儿一个都答不利索。

说白了,我不是不会用,是从没把这道闸门当回事。而它恰恰是长会话用得顺不顺的命门。

今天这篇,我就把 Claude Code 的上下文压缩从头讲清楚:上下文装不下了,它到底怎么压、压的时候会丢掉什么。

一、先看清上下文里到底装了什么

要理解压缩,得先知道被压缩的是什么。很多人以为上下文就是聊天记录,它装的东西比聊天记录多得多。

一个 Claude Code 会话的上下文,大致由这么几块组成。最底层是系统提示,定义 Claude 核心行为的那一大段,你看不见但它一直在,占几千 token。然后是环境信息,你的工作目录、操作系统、当前 git 分支和状态这些。接着是各种配置类内容:全局和项目的 CLAUDE.md、自动记忆 MEMORY.md 的前面一部分、skill 的一行行描述、MCP 工具的名字。这些是会话启动就注入的常驻部分。再往上,才是真正动态增长的大头:你的提问、Claude 的回复、它读过的文件内容、工具调用返回的结果。这部分会随着会话推进越堆越多。

先记住一个数字:Claude Code 默认的上下文上限是 20 万 token(某些模型有 100 万 token 的版本)。20 万听着很大,但读几个大文件、跑几次长输出命令、来回几十轮对话,额度填得比你想象中快。尤其是工具结果,一次 npm test 的完整日志、一个大文件的全文,动辄几千上万 token,几次下来就很可观。

这几块具体占多少呢?系统提示大概四千多 token,项目根 CLAUDE.md 写得规矩控制在两百行以内大概一两千 token,全局 CLAUDE.md 几百,环境信息、skill 描述、MCP 工具名各几百。这些常驻部分加起来通常小一万 token 左右,是相对固定的底盘。真正的变量是上面那层动态内容,它随着你读文件、跑命令、来回对话不断往上涨,直到逼近上限触发压缩。所以优化上下文,重点要盯动态那部分,比如别让 Claude 无谓地读一堆用不上的大文件。这也是前面几篇我反复强调 CLAUDE.md 要控制在两百行以内的原因:它是常驻底盘,一臃肿就等于开局先占掉一块额度,给动态内容留的空间少了,压缩也就来得更早。

所以你得有个意识:上下文是有限的、会被填满的资源,填满之后怎么办就是压缩要解决的问题。还有个反直觉的点:越往里塞,真正关键的那部分反而越容易被稀释、被淹没。管理上下文的目标只有一个,让它在任何时候都只装着当前任务用得上的东西。

上下文里到底装了什么:常驻底盘 + 动态增长

二、auto-compact 什么时候触发、压缩做了什么

auto-compact,自动压缩,是 Claude Code 在上下文快撑满的时候自动干的一件事。它的触发时机,就是上下文接近那个上限的时候。你也可以不等它自动触发,手动跑 /compact 主动压一次。

压缩具体做了什么?核心动作是把冗长的对话历史,替换成一份结构化的总结。它不会简单粗暴地把老消息删掉,会先理解这段历史讲了什么,浓缩成一份摘要,用这份摘要替换掉原来那一大段。顺序是这样的:它会先清理掉那些最占地方的旧工具输出,因为这些是上下文膨胀的最大来源;如果清理完还不够,再去总结对话。

关键在于,总结的时候它保留什么、丢什么,这直接决定了压缩之后 Claude 还记得多少。

保留的,是这些信息密度高、对继续干活关键的东西:你最初提的需求、讨论过的技术概念、检查过和改过的文件以及其中重要的代码片段、遇到的错误和对应的修复、待办的任务、当前正在做的事。这些是一份总结的骨架。

丢弃的,是这些冗余的、可以再生的东西:完整的工具输出(一整屏的测试日志、文件全文),中间那些来回试探的推理过程,以及逐字逐句的原始对话。这些占地方但信息密度低,压缩时第一个被牺牲。

压缩的效果有多狠?总结之后,通常只占原来内容的一成多 token。也就是说,它把一大段历史压成了一个零头。这就是为什么压缩之后会话能继续往下跑,因为腾出了大量空间。但代价也藏在这里:那被压掉的近九成内容里,万一有你需要的细节,它就只能依赖那份总结里有没有提到。

打个比方,压缩就像把一整天的工作浓缩成一条三句话的日报。日报能让接手的人知道你大概干了什么、到哪了,但白天那些具体尝试、走过的弯路、某个一闪而过却很关键的发现,没写进这三句话就彻底丢了。auto-compact 的总结写得已经相当好,会刻意保留需求、关键代码、错误修复这些骨架,但它毕竟是机器在猜什么重要,你心里那条"最关键"的信息,未必和它判断的一致。这就是压缩最本质的风险:保留什么不完全由你说了算。所以别把重要信息的存活赌在压缩的总结质量上。

auto-compact 触发与压缩:保留什么,丢什么

三、压缩后的"生死簿":谁被重注入,谁会消失

这一节最该记,也是整篇最关键的一环:压缩之后,各种东西的命运不一样,有的会满血复活,有的直接消失。搞不清这个,你就没法保证关键信息活下来。

先说会满血复活的,也就是压缩后会从磁盘重新读一遍、重新注入回上下文的:项目根目录的 CLAUDE.md,还有自动记忆 MEMORY.md。这一点很关键,它意味着你写在项目根 CLAUDE.md 里的约定是抗压缩的,压缩多少次它都还在。这也是上一篇讲 CLAUDE.md 维护时我强调"硬约定往项目根放"的底层原因。原理也简单:它们是磁盘上实实在在的文件,压缩时 Claude Code 只要再读一遍、重新塞进上下文就行,文件还在内容就丢不了。对话历史没有磁盘文件兜底,压掉就只剩总结,这是本质区别。

再说会消失的,压缩之后不会自动回来,得等下次触发条件才重新加载的:子目录里的 CLAUDE.md,还有那些带路径条件的规则文件。这两种是懒加载的,压缩把它们清掉之后,要等 Claude 下次再读到对应目录的文件,它们才会重新加载进来。这就意味着,长会话里,你写在子目录的约定可能在某次压缩之后悄悄失效了一段时间,直到下次碰那个目录才恢复。如果你纳闷"为什么我明明在子目录 CLAUDE.md 里写了规则,长会话后面它就不遵守了",答案很可能就在这里。

还有一类容易被忽略的:skill 的描述索引,压缩后不会重新注入。压缩之后,那些没被调用过的 skill,描述就从上下文里消失了,Claude 可能"想不起来"还有这些 skill 可用。已经调用过、正在用的 skill 正文会保留一部分,但有总量上限,旧的会先被挤掉。这解释了我遇到过的一个怪现象:长会话前半段 Claude 还会主动用某个 skill,到后半段死活想不起来用了,我一度以为它偷懒,后来才明白是压缩把那个 skill 的描述清掉了,它确实"看不见"这个 skill 了。要救也简单,显式点一下那个 skill 的名字,它就重新加载回来。

系统提示这种不属于消息历史的东西,压缩对它没影响,它本来就一直在。Hook 更不用担心,因为它是以代码形式在特定时机执行的,根本不占上下文,自然也无所谓压缩。

把这个生死簿记牢,你就能反推出一个核心结论:要让一个信息在长会话里始终可靠,就得把它放进那些压缩后会重注入的地方,也就是项目根 CLAUDE.md 或自动记忆,而不是放在子目录、或者指望对话历史里的某句话能扛过压缩。一句话记忆法:有磁盘文件兜底、且在项目根这一层的,抗压缩;靠懒加载、或者只活在对话里的,压一次就可能没。

压缩后的"生死簿":谁被重注入,谁会消失

四、压缩的代价:模型为什么会"忘",怎么缓解

理解了生死簿,开头那个"为什么长会话里关键结论会被忘掉"的问题就有答案了。

模型会"忘",本质是因为压缩丢了信息。那个关键结论,如果它只存在于被压掉的对话历史里、又没被那份总结准确地保留下来,那压缩之后它对模型来说就等于不存在了。模型没变笨。它手里的上下文里,那条信息真的已经不在了。这个现象在很长的会话里特别真实,尤其是当关键信息藏在某次很长的工具输出里、或者藏在子目录 CLAUDE.md 这种压缩后会消失的地方时,丢失的概率更高。

那怎么缓解?核心思路就一个:别让关键信息只待在会扛不过压缩的地方。具体有几招。

第一招,也是最根本的,把关键信息落地到文件。你在会话里得出了一个重要结论、定下了一个关键决策,别让它只飘在对话历史里,把它写进项目根 CLAUDE.md,或者让 Claude 记进自动记忆。这样它就进了压缩后会重注入的安全区,再压多少次都丢不了。代价是 CLAUDE.md 会越写越长,而它是常驻底盘,每多一行都在吃每次会话的起始额度,所以只把真正的关键决策往里落,临时的、能再生的别塞。

第二招,给压缩指方向。/compact 命令是可以带指令的,你可以告诉它这次压缩重点保留什么,比如让它重点留住某个方案的细节、或者某段关键的代码改动。这比让它自动猜该留什么要可靠。你甚至可以在 CLAUDE.md 里专门写一段压缩指引,告诉 Claude 每次压缩时都该重点保留哪类信息。代价是它仍然是模型在执行总结。给了方向不等于内容一字不差地被搬下来,关键代码这种经不起改写的,靠指令保留不如直接落进文件稳。

第三招,用子代理隔离大输出。如果某个操作会产生海量输出(比如读一个巨大的文件、跑一个日志爆炸的命令),让子代理去干,它在自己独立的上下文里处理,只把摘要带回主会话,主会话的上下文就不会被这堆输出撑爆,自然也就不会那么快触发压缩。代价也得说清楚:子代理另起一个上下文,多一次往返延迟,而且它拿不到主会话的完整背景,交出去的活如果依赖很多前文,可能因为缺上下文做歪。所以边界很明确,它只适合"输出大、但逻辑相对独立"的脏活;任务本身很依赖主会话来龙去脉的,硬塞给子代理反而得不偿失。这一招下一篇讲子代理时会展开,这里先记住思路。

第四招,别等满了才处理。压缩虽然是自动的兜底,但被动挨压缩总归是损失,主动权在你手里。一个长任务做到一个阶段、得出了阶段性结论,就是一个很好的落地节点:把结论写进文件,然后视情况 /clear 开个干净会话继续下一阶段。这样你永远在一个相对清爽的上下文里干活,关键成果又都落在了文件里,既快又稳,远比把一个会话从早拖到晚、靠压缩硬撑要舒服。

我自己在 AlgoMooc 上吃过这个亏,是个很典型的 badcase。有一次我开了个很长的会话重构动画渲染逻辑,中途 Claude 花了二三十轮帮我定位到一个关键结论:某个渲染参数在数据为空的那一帧会导致整页白屏。我当时只顾着往下改代码,没把它落地。会话拖长之后触发了一次压缩。等我回头问"刚才那个白屏是哪个参数引起的",它完全不记得有过这回事,老老实实从渲染管线最外层重新加日志排查,把那二三十轮又走了一遍。原因就在生死簿里:那条结论只活在被压掉的对话历史里,没落进磁盘文件,压缩的总结又恰好没保留这句,对压缩后的模型来说它就等于没存在过。从那之后我养成习惯,凡是会话里得出的关键结论,立刻让它写进 CLAUDE.md。

模型为什么会"忘":压缩丢了信息 + 怎么缓解

上下文被压缩,关键结论就这么丢了

五、主动管理长会话:几个该养成的习惯

压缩是被动触发的兜底机制,但真正用得好的人,是主动管理上下文、尽量不把自己逼到频繁压缩的人。这一节给几个实操习惯。

第一,会切任务就 /clear,别让无关历史堆着。 这里要分清 /clear 和 /compact 的区别。/compact 是压缩当前会话、继续往下用,历史还在只是被浓缩了。/clear 是彻底清空,开一个全新的会话,旧的对话历史完全不带过来(但旧会话还能通过 /resume 找回)。当你从一个任务切到一个完全无关的任务时,正确做法是 /clear,给新任务一个干净的上下文,别让前一个任务的一大堆历史继续占着地方、还增加压缩风险。但 /clear 也有不该用的时候:你还在同一个任务里、只是上下文有点满,/clear 会把正在用的有用历史一起清空,下一句就得重新交代背景,这时候该用 /compact。清空的代价是历史不带过来、可复用的上下文得重建,所以它只在换任务时才划算。

第二,用 /context 诊断上下文。 这个命令能列出当前上下文各部分的占用明细,系统提示、CLAUDE.md、MCP 工具、文件读取各占多少,一目了然,还会给优化建议。觉得会话变重了,跑一下 /context,就知道是谁在吃上下文。配套的还有 /usage,能看这个会话的用量和大致成本。把这两个命令用起来,你能清楚看到额度花在哪,而不是等满了被动挨压缩。我自己的习惯是长会话干到感觉有点重时先 /context 看一眼,常常一看就发现是某次读了个巨大的文件把额度吃掉一大半,下次就知道避开。

第三,把重复的、会产生大输出的活,挪出主会话。 大文件读取、大日志处理这些,要么用子代理隔离,要么用 Hook 预处理一下只保留有用的部分(比如只留测试失败的那几行)。别让这些一次性的大块输出长期占着你的主上下文。

第四,关键信息落文件这件事,要变成肌肉记忆。 这条前面说过,但它最有效,值得再强调一次。一个长会话里真正有价值的,往往就是那几条关键结论和决策,及时沉淀到 CLAUDE.md 或记忆里,你就不怕压缩、不怕会话中断,重要的东西已经落在文件里,下次开新会话照样在。

这里我把话说直白点:很多人长会话用得难受,张口就怪工具变笨,根子却在自己没养成主动管理上下文的习惯。他们把一个会话从早开到晚,什么任务都往里塞,指望工具自动搞定一切,然后抱怨它后面变笨。这个锅工具不背:上限就那么大,你拼命灌无关历史,压缩只能越来越频繁,质量自然往下掉。只要养成及时 /clear、关键信息落文件这两个习惯,长会话的体验会完全不一样。工具给了你管理上下文的手段,用不用在你。

主动管理长会话:clear / context / 落文件 / 隔离

六、面试怎么答上下文压缩这道题

如果面试官问"Claude Code 的 auto-compact 是怎么回事"“压缩丢了什么”“怎么让关键信息不丢”,按下面四步答,能把这道题接得又稳又深。

先点出触发和动作(20 秒): “上下文快到上限(默认 20 万 token)时,auto-compact 自动触发,也能用 /compact 手动触发。它把冗长的对话历史替换成一份结构化总结,先清最占地方的旧工具输出,再总结对话,压完通常只剩原来的一成多。”

再讲保留什么丢什么(30 秒): “保留的是需求、技术概念、改过的文件和关键代码、错误和修复、待办;丢的是完整工具输出、中间推理、逐字对话。所以模型会’忘’,是因为某条信息只在被压掉的历史里、又没被总结准确保留。”

然后答压缩后的存活规则(30 秒): “这是关键。项目根 CLAUDE.md 和自动记忆压缩后会从磁盘重新注入,是抗压缩的;但子目录 CLAUDE.md 和路径条件规则会消失,要下次读到对应文件才重载;没调用过的 skill 描述也不重注入。所以要让信息可靠,得放进会重注入的地方。”

最后亮主动管理(20 秒): “我不会被动等压缩。切任务就 /clear 开干净上下文,用 /context 诊断谁在吃上下文,大输出用子代理隔离,最重要的是关键结论及时落进 CLAUDE.md,让它进抗压缩的安全区。”

把第三步的存活规则和第四步的主动管理答出来,面试官立刻知道你是真在长会话里摔打过的。

面试怎么答 auto-compact 这道题:四步

答完这四步,常见的追问有两个。一个是"/compact 和 /clear 有什么区别",答的关键是:/compact 压缩当前会话、继续往下用,历史浓缩了但还在;/clear 是彻底清空开新会话,旧历史不带过来但能用 /resume 找回。切无关任务用 /clear,同一任务上下文太满用 /compact。另一个是"那有没有 microcompact 这种更细粒度的压缩",这是个小陷阱,正确答案是没有这个东西,Claude Code 只有 auto-compact 和手动 /compact,所谓的细粒度只是 auto-compact 内部"先清旧工具输出再总结对话"的一个步骤,不是独立机制。能把这个澄清掉,反而显得你没有道听途说、是真看过机制的。

写在最后

这一篇讲的是 Claude Code 怎么在有限的上下文里跑长任务,以及你该怎么配合它。

压缩是个聪明的兜底机制,它用一份总结换来了会话能继续,但天下没有免费的压缩,它丢掉的那近九成内容里,可能就有你需要的东西。理解它保留什么丢什么、压缩后谁能活下来,你才能主动把重要信息放进安全区,别被动等它把关键结论压没了再抱怨模型笨。

回头看这个系列前面几篇,CLAUDE.md 的常驻成本、skill 的按需加载、MCP 工具的延迟加载,到今天的压缩,讲的是同一件事的不同侧面:上下文是稀缺的,所有机制都在围绕"怎么把有限的额度花在刀刃上"打转。会用 Claude Code 的人和不会用的人,差距往往不在提示词写得多漂亮,而在有没有"上下文有限、关键信息要落地"这层意识。

所以最后留你一句话:别把 Claude Code 当成记性无限的黑盒,把它当成一个能力很强、但会按自己的判断做减法的伙伴。你要做的,就是在它动手减之前,把真正重要的那几条,先替它钉死在磁盘上。

学AI大模型的正确顺序,千万不要搞错了

🤔2026年AI风口已来!各行各业的AI渗透肉眼可见,超多公司要么转型做AI相关产品,要么高薪挖AI技术人才,机遇直接摆在眼前!

有往AI方向发展,或者本身有后端编程基础的朋友,直接冲AI大模型应用开发转岗超合适!

就算暂时不打算转岗,了解大模型、RAG、Prompt、Agent这些热门概念,能上手做简单项目,也绝对是求职加分王🔋

在这里插入图片描述

📝给大家整理了超全最新的AI大模型应用开发学习清单和资料,手把手帮你快速入门!👇👇

学习路线:

✅大模型基础认知—大模型核心原理、发展历程、主流模型(GPT、文心一言等)特点解析
✅核心技术模块—RAG检索增强生成、Prompt工程实战、Agent智能体开发逻辑
✅开发基础能力—Python进阶、API接口调用、大模型开发框架(LangChain等)实操
✅应用场景开发—智能问答系统、企业知识库、AIGC内容生成工具、行业定制化大模型应用
✅项目落地流程—需求拆解、技术选型、模型调优、测试上线、运维迭代
✅面试求职冲刺—岗位JD解析、简历AI项目包装、高频面试题汇总、模拟面经

以上6大模块,看似清晰好上手,实则每个部分都有扎实的核心内容需要吃透!

我把大模型的学习全流程已经整理📚好了!抓住AI时代风口,轻松解锁职业新可能,希望大家都能把握机遇,实现薪资/职业跃迁~

这份完整版的大模型 AI 学习资料已经上传优快云,朋友们如果需要可以微信扫描下方优快云官方认证二维码免费领取【保证100%免费】

在这里插入图片描述

ClaudeCode Auto模式:可信边界内的智能代码补全决策 智能代码补全已从静态符号预测升级为动态意图建模,其核心在于结合上下文确定性、用户行为指纹与多层安全围栏,实现高置信度下的自动执行。这类IDE内嵌AI助手不再追求‘全自动’,而是通过可逆性约束、风险感知拦截和项目级语义匹配,在保障代码安全的前提下显著降低人工确认频次。技术价值体现在开发流连续性提升与认知资源释放,典型应用于Python/TypeScript等结构化语言的CRUD补全、函数签名推导及错误处理模板生成。ClaudeCode的Auto模式正是这一范式的工程落地代表,聚焦‘何时可信’而非‘能否生成’。 阅读详情

相关推荐

基础知识学习 -- qnx 系统

qnx os车载系统

求变,从思想开始 3881

Claude Code架构解析

软件开发工具领域正在经历一场根本性转变,从静态的文本操作工具转向能够进行推理、规划和执行的自主智能体。从历史上看,集成开发环境 (IDE) 的演进特征在于不断提高的内省能力——从简单的语法高亮到提供语义理解的语言服务器协议 (LSP)。然而,这些工具仍然是被动的;它们需要人类明确的调用和指导来进行每一个原子操作。

Libra1313的博客 720

Anaconda 2026.07 安装配置完全指南:从下载到PyCharm整合

Python 环境管理一直是开发者绕不开的课题,而 Anaconda 作为集成了 conda 与 300+ 科学计算包的发行版,极大降低了环境配置门槛。其核心价值在于通过虚拟环境实现不同项目的依赖隔离,避免版本冲突。但在实际安装与配置过程中,用户常因版本差异、镜像源访问慢、与 IDE 集成不畅等问题陷入困境。本文以 Anaconda 2026.07 为例,系统讲解从官方渠道或国内镜像源下载、安全校验、安装选项分析、conda 命令初始化,到配置清华镜像源、创建指定 Python 版本的虚拟环境,再到与 Py

weixin_32520095的博客 420

Claude Code 使用指南与进阶技巧

Claude Code 功能强大,尤其在需求理解、项目结构分析、代码审查上很有优势;合理的上下文管理、agent 使用和文件选择是高效使用 Claude 的关键;在大型项目中,结合不同模型的优势,可实现高效、可靠的开发流程。🔹 最佳实践:先让 Claude 理解业务逻辑 → 提供分析和建议 → 再使用高性能模型生成具体代码。

winners23的博客 3753

django安装mysqlclient (Windows下正确安装mysqlclient)

由于本人也是初学Python和django。本人使用的Python版本是3.7所以连接MySQL数据库需要安装数据驱动,对应Python3的数据驱动是mysqlclient。因此本人习惯性的使用命令pip install mysqlclient,结果安装失败 (venv) C:\Users\songlihui\PycharmProjects\autotest>pip install my...

songlh1234的博客 2万+

MFC IP Address Control 使用详解:从基础到高级应用

本文详细介绍了MFC中IPAddressControl控件的使用方法,包括基础创建、属性配置、样式自定义和高级功能实现。主要内容涵盖:控件初始化、默认IP设置、外观修改、派生类创建、消息处理、批量管理以及常见问题解决方案。通过示例代码展示了如何验证IP范围、优化性能和处理键盘输入等实用技巧,为开发网络应用程序提供了专业指导。文章还给出了多个备选标题,适合不同层次开发者参考使用。

专注现代C++实战,从核心语法到高性能编程,助力开发者深入掌握系统级编程精髓。 161

autocompact-deep-dive

思考区

libai1535484254的博客 274

uniapp - 详解使用高德地图在地图上实现绘制边界/点聚合/行政区域高亮等功能,Uniapp高德地图点聚合标记及绘制点线面示例代码(全端兼容H5网页、小程序、安卓app、苹果app、nvue)

uni-app,h5移动端网页,微信小程序,支付宝小程序,Android安卓,苹果ios,app,nvue,高德地图,uniAPP高德地图实现点聚合,地图区域描边、点标记、点信息详情弹窗,实现绘制边界区域,uniapp H5使用高德地图实现点聚合、行政区域高亮,实现高德地图的marker聚合功能,高德地图进行marker标点,点信息展示,点击标记点弹出对话框,点击聚合点后显示信息模态框,打标点,【Uniapp】高德地图的接入自定义标点与信息窗体使用,绘制行政区域边界,绘制多边形,电子围栏,高德行政区划边界,

✅ 精选推荐文章 1万+

claude code /context command

/context 命令用于可视化展示 Claude Code 系统的上下文使用情况,包括令牌消耗和各类消息占比。它能显示系统提示符、工具定义、插件工具、内存文件等内容,其中系统工具显示可调用命令的定义占用,MCP工具展示外部系统交互插件,内存文件显示已加载文档。系统还包含自动紧凑缓冲区功能,通过动态压缩保证大信息量处理时的对话连续性。该命令帮助用户直观了解模型资源分配情况。

hblanx的博客 1051

【学习系列】SAP RAP 8:行为定义-Authorization Control

本文介绍了SAP RAP中的授权控制实现方法,主要分为读取操作和修改操作两种场景。读取操作通过ABAP CDS的数据控制语言(DCL)实现,使用访问控制对象限制数据可见范围;修改操作则通过行为定义中的权限检查,包括全局授权、实例授权和预检查三种方式。文章详细说明了如何使用DCL创建访问控制规则,并通过实例演示了全局授权和实例授权的代码实现方法,以及预检查功能在数据更新前的权限验证。这些授权控制机制共同确保用户只能访问和操作其权限范围内的数据,有效保障系统安全性。

DeveloperMrMeng的博客 440

YOLO11改进|YOLO11中引入注意力和卷积融合模块CAFMAttention

YOLO11改进|YOLO11中引入注意力和卷积融合模块CAFMAttention

A1983Z的博客 1228

Claude Code 正在偷偷“删你记忆”?/compact 上下文压缩背后的真相

当自动压缩或手动/compact被触发后,Claude Code 需要让 AI阅读整段对话,然后生成一份高质量摘要。这个总结 Prompt 的设计极其讲究。首先,它会用一段强硬的前置指令为什么要这么强硬?源码注释透露了原因:在 Sonnet 4.6+ 的自适应思考模型上,即便有弱一些的尾部指令,模型有时候仍然会试图调用工具。在缓存共享的 fork 路径中,maxTurns 设为 1,一旦工具调用被拒绝就意味着没有文本输出。在 4.6 上这个概率是 2.79%,而 4.5 只有 0.01%。然后是。

SailingCoder的博客 2886

【软考高级架构】案例题考前突击6——大数据架构

前一类的数据主要由流量方以接口的方式提供(比如对接的腾讯广点通平台),后一类则是某网特有的数据,通过买家的浏览、下单、付款日志算出来。1. 在数据层面只维护一张包含所有指标的MySQL表,表中的stday字段作为索引,stday=当天的保存实时数据,stday<当天的保存离线数据。典型的大数据架构,除了Lambda架构之外,还有kappa架构,这两个架构的区别如下标所示,请补充表中空(1)-(4)第二,实时数据只对接了内部的kafka消息,没有实时的获取第三方的曝光、点击、浏览数据。

qq837993702的博客 68

面试官抓狂:“我的 Claude Code 怎么越用越傻?!”我看了一眼:“不是它笨,是 auto-compact 把记忆悄悄压没了”

Claude Code 长会话越用越傻,根源常在 auto-compact 上下文压缩悄悄丢掉记忆。本文给出可跟做步骤:用 /context 查看压缩触发记录,把硬约定写进项目根 CLAUDE.md 提升抗压缩优先级,再用 /compact 手动控制压缩时机,并附 TaoToken 配置与 401、local proxy failed 等报错排查。详见 https://taotoken.net/?utm_source=taotoken_aicg_blog_end

weixin_35756373的博客 13

pscad IEEE标准系统搭建说明

pscad IEEE标准系统搭建说明,包含典型的IEEE 9节点、14节点、30节点、39节点和118节点系统。内含标准测试系统的原始数据和潮流结果。

数学建模模型总结

这是本人在两年内准备参加数学建模竞赛搜集到的模型资料,已经经过了本人的筛选和整理,希望能够对准备参加数学建模竞赛的学弟学妹们提供一些帮助!

面试官抓狂:“我的 Claude Code 怎么越用越笨?!”我看了一眼:“不是它笨,是 auto-compact 把记忆悄悄压没了”

Claude Code 长会话变笨多因 auto-compact 压缩上下文丢失关键约束。本文拆解上下文分层与压缩存活规则,用 TaoToken 固定 API 通道做 compact 前后对比,附 CLAUDE.md 精简模板与 settings 配置,逐条排查 401、local proxy failed 等报错。官网:https://taotoken.net/?utm_source=taotoken_aicg_blog_end

weixin_42611177的博客 10

android 蓝牙通讯demo

android 下蓝牙通讯demo,实现了发现蓝牙,使能蓝牙,通过蓝牙发送消息。

揭秘 Claude Code 不跑偏的秘密:从压缩、记忆到续写的 Runtime 设计全解,看完这篇就懂了!

用 Claude Code 跑过长任务的人大概都有这个经历:前半段很顺,到了某个节点突然开始重复读文件、忘了前面做到哪了、甚至把已经改过的东西又改回去。

weixin_58753619的博客 493

Probability and Statistics - 4th edition

Probability and Statistics - 4th edition

2026首发版,自学AI大模型的正确顺序:最新最全学习路线全解析

在这个阶段,您需要打下坚实的数学基础和编程基础,这是学习任何机器学习和深度学习技术所必需的。 **前排提示,文末有大模型AGI-优快云独家资料包哦!** **1\. 数学基础** * **线性代数**:矩阵运算、向量空间、特征值与特征向量等。 * **概率统计**:随机变量、概率分布、贝叶斯定理等。 * **微积分**:梯度、偏导数、积分等。

Trb201013的博客 1189

写给小白的 Claude Code 进阶指南 - 巧用 /compact 命令

本文深入解析了Claude Code的/compact命令使用技巧。该命令可将冗长对话压缩为关键摘要,有效释放上下文窗口(通常能减少60%-80% Token消耗)。文章对比了自动压缩的不足,强调应在上下文使用率达50%-60%时主动压缩,并详细介绍了带指令压缩、与/clear的区别、五大实战场景(如调试后转新功能时)以及搭配/context、CLAUDE.md等工具的最佳实践。同时提醒注意.claudeignore排除大文件,建议将/compact作为常规工作习惯,每完成小任务或工作30分钟就检查压缩。

「程序员飞飞」的博客 1万+

使用技巧(十):Claude Code 会话管理术 —— compact、rewind、checkpoint 与上下文监控

Claude Code 刚开时聪明,聊 30 分钟就变笨——不是模型降级,是上下文窗口快满了。

weixin_63132747的博客 1030

Claude Code 五级压缩流水线拆解:Snip 与 Autocompact 如何管理上下文

拆解 Claude Code 五级压缩流水线:Snip 零成本剪除历史、Microcompact 清理旧工具结果、Context Collapse 异步分段摘要、Autocompact 超 80% 阈值全量摘要、Reactive Compact 兜底 413。含可复制阈值配置与长对话验证动作,配合 TaoToken 官网 https://taotoken.net/?utm_source=taotoken_aicg_blog_end 接入观察各级压缩行为。

weixin_35756892的博客 8

Claude Code Auto-compact 输入变更事件详解:Worker 解析的自动压缩状态与 Thin Client 倒计时同步机制

本篇技术指南围绕 Claude Code System Prompts 仓库中的 [data-auto-compact-inputs-changed-event-schema.md](https://link.gitcode.com/i/e44c9122cc943277ffcee761c983fd52) 展开,深入剖析 `sessionState.onAutocompactInputsChange

gitblog_00677的博客 828

Claude Code 使用教程

Claude Code 是 Anthropic 开发的终端 AI 编码助手,通过斜杠命令控制 AI 行为。主要命令包括:/add-dir 设置工作目录,/init 初始化项目生成 CLAUDE.md 文档,/compact 压缩对话内容,/clear 重置对话,/memory 编辑记忆文件,/status 查看会话状态,/cost 统计令牌消耗,/config 修改配置,/model 切换 AI 模型。进阶技巧可通过关键词调整 AI 思考深度,从快速执行到深度分析。这些命令帮助开发者高效使用 Claude

XZY__one的博客 5829

给 Claude Code 装上“长期记忆“:本地部署双重记忆引擎实战

Claude Code 没有长期记忆,每次新会话项目上下文归零。本文记录在本地搭建双重记忆引擎的完整实践:用 memory-engine(LanceDB + Weibull 衰减 + 混合检索)做会话级持久记忆,用 OpenViking 做项目知识库检索,Ollama 本地提供 Embedding。三层架构实现跨会话记忆召回、项目隔离、自动捕获,零云端依赖,附踩坑记录和实测数据。

Mirson - 多一些分享, 多一些进步 832

“血亏!我花3000+元用Claude做游戏,结果还不如去「白嫖」Gemini 2.5……”

对的,没有 UI 草图、没有流程图,连样式要求都没有,但 Claude 就能直接吐出一大串工作代码——说实话,那一刻我真的有些震惊。比如,我提出希望加个技能等级系统,以展示玩家的成长轨迹,Claude 不仅理解了,还主动把这个功能给我加上了。Claude 写代码的水平还可以,但它永远无法验证自己写的对不对。还是会继续用这类有 IDE 深度集成 的 AI 编程助手:Claude 给我的是“试试 AI 写代码”的体验,而 Gemini 给我的则是“AI 成为日常开发助手”的实感——两者根本不在一个维度。

优快云资讯 1万+

Claude Code上下文压缩机制深度解析

本文深入解析了Claude Code如何在超长编码会话中保持上下文不丢失的机制。文章指出,大语言模型的核心挑战是有限的上下文窗口,而Claude Code通过Context Window管理与Compaction机制解决了这一问题。系统采用自动压缩(98%阈值触发)和手动压缩(/compact命令)两种方式,配合预处理、熔断机制和状态保留功能(如会话名称、Plan模式等)。同时,通过工具输出截断、MCP延迟加载等技术从源头控制token消耗。文章还提供了工程实践建议和常见问题排查方法,帮助开发者优化基于Cl

警警的博客 1245

Claude code在Windows上的配置流程

昨天在服务器上配置好了 Claude code,发现其编码性能和效率都非常不错。然而,尝试用它修改带 UI 界面的客户端程序时颇为不便,因为服务器没有图形化界面,无法直接将应用界面直接显示到开发机上,调试起来颇为不便。因此,本文在 windows 系统上部署 Claude code,让开发体验更为丝滑。

兴趣使然的创作者 2615
上一篇: AI Agent 背后的 8 种 LLM
下一篇: RAG 检索质量评估:从 Hit Rate 到 LLM-as-Judge 校准
Python_金钱豹
博客等级 码龄5年 1万+粉丝 2841原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
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