rag系列文章目录
文章目录
前言
ai时代，使用claude code进行软件开发，几乎是程序员的标配了。但是大家在使用的过程中，会遇到很多问题，总之就是觉得大模型好像没有那么牛，那么就需要了解一下claude code的context window了，也就是上下文。
一、简介
大模型，它是无状态的，也就是说，每次你对它进行问答，它并不会将前后两次问答记录联系起来，对agent来说，如果要保持记忆，就是需要将聊天记录携带着，进行下一次的问答。
claude code就是一种agent，Claude 的上下文窗口保存您的对话历史、文件内容、命令输出、CLAUDE.md、自动内存、加载的 skills 和系统说明。那么它可以最大是多少呢，它主要受限于大模型的输入和输出长度，一般说claude 4.6模型上下文窗口200k，指的就是大模型的maxtoken，一般指的是输入加输出的最大值。
二、context监控
claude code提供/context命令，可以看到具体的context包含了哪些东西，如下。
bash
Context Usage
⛁ ⛀ ⛁ ⛁ ⛁ ⛁ ⛁ ⛁ ⛁ ⛁ claude-sonnet-4-5-20250929 · 101k/200k tokens (51%)
⛁ ⛁ ⛁ ⛁ ⛁ ⛁ ⛁ ⛁ ⛁ ⛁
⛁ ⛁ ⛁ ⛁ ⛁ ⛁ ⛁ ⛁ ⛀ ⛶ ⛁ System prompt: 3.1k tokens (1.6%)
⛶ ⛶ ⛶ ⛶ ⛶ ⛶ ⛶ ⛶ ⛶ ⛶ ⛁ System tools: 19.8k tokens (9.9%)
⛶ ⛶ ⛶ ⛶ ⛶ ⛶ ⛶ ⛶ ⛶ ⛶ ⛁ MCP tools: 26.5k tokens (13.3%)
⛶ ⛶ ⛶ ⛶ ⛶ ⛶ ⛶ ⛶ ⛶ ⛶ ⛁ Custom agents: 2.8k tokens (1.4%)
⛶ ⛶ ⛶ ⛶ ⛶ ⛶ ⛶ ⛶ ⛶ ⛶ ⛁ Memory files: 4.0k tokens (2.0%)
⛶ ⛶ ⛶ ⛶ ⛶ ⛶ ⛶ ⛝ ⛝ ⛝ ⛁ Messages: 8 tokens (0.0%)
⛝ ⛝ ⛝ ⛝ ⛝ ⛝ ⛝ ⛝ ⛝ ⛝ ⛶ Free space: 99k (49.4%)
⛝ ⛝ ⛝ ⛝ ⛝ ⛝ ⛝ ⛝ ⛝ ⛝ ⛝ Autocompact buffer: 45.0k tokens (22.5%)这里mcp tools指的是配置的mcp的元信息，这里是每次调用大模型api的时候，都是会携带的。Messages是聊天对话信息，如果执行/clear命令，清除的就是这里的tokens。Memory files指的是加载的claude.md文件、以及rules文件。
这里的Free space就是用户可以输入的内容，随着用户聊天越来越多，这里就会慢慢变小，Messages慢慢变大。
当你发现大模型出现以下现象时，就是上下文即将慢的报警：
- Claude 忘记了对话中你之前做出的决定
- Claude 重复执行已经完成的工作
- Claude 提出你已经回答过的问题
- 解决方案开始与之前的处理方式相矛盾
当你遇到上面的现象，如果你觉得你没有完成任务，可以考虑/compact进行压缩，如果和上面的会话没有关系，可以进行/clear.
三、优化策略
- 定期监控
在每次会话开始时运行 /context 命令，以了解您的基准使用情况 - 审核 MCP 服务器
mcp过多，会浪费很多token，移除近期未使用的 MCP 服务器；仅是存在，每台服务器都会消耗token。 - 优先使用技能而非 MCP 服务器
构建新功能时，应优先考虑技能，通过渐进式披露提升上下文效率 - 任务间清理
在切换无关工作时，请广泛使用 /clear - 战略性压缩
在相关工作阶段之间过渡时，使用 /compact 并配合自定义指令 - 委派复杂工作
对于自包含的任务，使用子代理以将其上下文与主对话隔离
总结
充分利用好claude code进行ai出码的前提，是你要了解它，懂得这些基本原理，碰到问题时，就可以根据具体情况进行处理优化，不至于在ai coding的时候浪费大量时间。有时你会发现，没有合适的技巧，使用ai coding还没有自己coding效率来的高。