learn claude code学习记录-S06

1. 上下文压缩

因为agent会做的事情更多了，上下文会越来越快膨胀：

• 读一个大文件，会塞进很多文本
• 跑一条长命令，会得到大段输出
• 多轮任务推进后，旧结果会越来越多

如果没有压缩机制，很快就会出现这些问题：

1. 模型注意力被旧结果淹没
2. API 请求越来越重，越来越贵
3. 最终直接撞上上下文上限，任务中断

所以这一章真正要解决的是：

怎样在不丢掉主线连续性的前提下，把活跃上下文重新腾出空间。

1.1 最小心智模型

建议你先记三层，不要一上来记八层十层：

第 1 层：大结果不直接塞进上下文
  -> 写到磁盘，只留预览

第 2 层：旧结果不一直原样保留
  -> 替换成简短占位

第 3 层：整体历史太长时
  -> 生成一份连续性摘要

手动触发 /compact 或 compact 工具，本质上也是走第 3 层。

1.2 关键数据结构

（1）Persisted Output Marker

当工具输出太大时，不要把全文强塞进当前对话。

最小标记可以长这样：

<persisted-output>
Full output saved to: .task_outputs/tool-results/abc123.txt
Preview:
...
</persisted-output>

这个结构表达的是：

• 全文没有丢
• 只是搬去了磁盘
• 当前上下文里只保留一个足够让模型继续判断的预览

（2）CompactState

最小教学版建议你显式维护一份压缩状态：

{
    "has_compacted": False,
    "last_summary": "",
    "recent_files": [],
}

这里的字段分别表示：

• has_compacted：这一轮之前是否已经做过完整压缩
• last_summary：最近一次压缩得到的摘要
• recent_files：最近碰过哪些文件，压缩后方便继续追踪

（3）Micro-Compact Boundary

可以先设一条简单规则：

只保留最近 3 个工具结果的完整内容
更旧的改成占位提示

这就已经足够让初学者理解：

不是所有历史都要原封不动地一直带着跑。

所以一份合格的压缩结果，至少要保住下面这些东西：

1. 当前任务目标
2. 已完成的关键动作
3. 已修改或重点查看过的文件
4. 关键决定与约束
5. 下一步应该做什么

如果这些没有保住，那压缩虽然腾出了空间，却打断了工作连续性。