Claude Code 上下文窗口由选型对比（详解容量逼近时的自动压缩机制）

上下文窗口由系统提示、项目级 CLAUDE.md、会话记忆、用户消息、工具调用与工具返回结果、模型输出六部分共同组成，按”固定层 + 动态层”两层模型拼接；容量逼近时主循环触发自动压缩（compaction），把历史折叠成结构化摘要并腾出空间，让长任务得以继续跑。理解组成与压缩触发点，是控制 token 成本与避免”context rot”的前提。

一、上下文窗口的两层结构

Claude Code 沿用 Anthropic 主流大模型的”固定系统段 + 动态对话段”拼接模型。每次发往 API 的请求都包含两段，固定段由系统提示、CLAUDE.md、Hooks 注入内容、会话记忆等组成，每轮开销几乎一致；动态段随对话轮次线性增长，最终会触顶。

组成部分	类别	大致 token 量级	能否压缩
系统提示与工具定义	固定	约 3K	否
CLAUDE.md（项目级）	固定	数百到 8K	否（可手动瘦身）
Hooks 注入与 Memory	固定	数百到 2K	否
会话历史（用户+助手）	动态	随轮次线性增长	是
工具调用与返回结果	动态	单次可达数千	是（压缩时折叠）
当前用户消息	动态	单次数十到数百	否

固定段每轮相同、靠 Prompt Cache 复用计费，动态段才是真正吃光窗口的主因。读一个大文件、跑一次 npm test、让子代理返回一段总结，都会把上千 token 塞进动态段。

二、容量在什么阈值会触发自动压缩

Claude Code 主循环（Master Loop）持续监控当前上下文占比，到达阈值后会执行一次自动压缩，把旧的会话历史折叠成摘要，丢弃冗长的工具返回，保留任务进度、关键决策、已读文件路径等结构化要点。

监控阶段：每次请求前后，主循环对比当前 token 数与窗口上限；
触发阶段：达到容量阈值时，调度一次额外的模型调用做”自摘要”；
替换阶段：原始对话历史被摘要覆盖，文件读取与命令输出细节丢失；
续跑阶段：下一轮请求基于摘要继续，工具结果按需重新读取。

2.1 容量阈值的分级参考

业界对长上下文窗口的容量管理有共识的分级：0–50% 推理最稳；50–70% 出现轻微精度损失；70–90% 注意力被稀释、模型开始遗忘早期规则；90% 以上出现幻觉、规则被忽略。Claude Code 遵循类似分级，自动压缩落在后段触发。

2.2 一次会话的 token 累积形态

把上下文当作”可花钱的预算”会更直观：第 1 条消息 5K，第 3 条 4K（累计约 18K），第 5 条 3.5K（累计 35K），第 8 条 4K（累计 65K）……每条新消息都要把历史全部重发一次，token 增长呈典型累积曲线。

三、压缩触达后会发生什么

自动压缩不是”扩窗口”，而是”换摘要”，因此有可见代价。

缓存失效：压缩改变了消息前缀，Prompt Cache 必须重新生成，下一轮成本上升；
信息不可逆：被压缩的旧文件内容、命令输出、调试日志永久消失，需要时只能重新读；
工具结果被截断：长 bash 输出、测试日志往往最先被折叠成几行总结。

需要让压缩保留”前情提要”时，可用 /compact 手动触发并附指令，例如 /compact focus on the auth refactor, drop the test debugging，把摘要聚焦到主题上。

四、四种主流的容量管理动作

压缩只是兜底，更稳的做法是把窗口管理前移到工作流里：

/clear：彻底重置对话历史到 0 字节，切换任务或模型开始胡言乱语时使用；
/compact：触发结构化摘要，保留关键决策与文件路径；
子代理（Subagent）：把读大文件、跑日志分析等重活外包给独立上下文，主体只接收摘要；
渐进式披露：通过 Skills、MCP、路径作用域规则按需加载，避免一次性塞满。

实战中常见组合是”主会话压缩 + 子代理隔离 + 路径作用域规则”，三者叠加能把一次长任务稳稳控制在安全水位。

五、把容量控制在安全水位的具体做法

把窗口管理拆成可执行步骤，比靠”感觉”省事：

启用 /status 与 /context 实时观察 Ctx(u) 占比与 token 分布；
命中黄色区间（50–70%）后，改用 Grep 精确定位文件行号，避免整文件读取；
进入橙色区间（70–90%）立即 /compact 一次，给摘要加上”保留哪些决策、丢弃哪些调试”的指令；
触及红色区间（90% 以上）执行 /clear 并写一份交接简报给新一轮会话；
重型读取（架构总览、依赖图）通过 Task 工具交给子代理，主会话只拿结论。

六、压缩机制的局限与替代

压缩对”事实性回忆”很弱，对”决策与方向”很强。如果一项关键决策（接口约定、命名约束、模块边界）被压缩丢掉，下一轮模型会从摘要里”再发明”一套，造成隐性偏移。生产环境里，更稳的姿势是把它写进 CLAUDE.md 这样的固定层——固定段即使压缩也不会被覆盖。

子代理是另一个常被低估的方案：把”读懂这个 50 万行仓库”这种重活丢给子代理，主体只接收结构化结论，相当于把预算压力转嫁出去。

七、用脚本预估上下文是否装得下

写一段粗略的 token 估算脚本，能在执行大批量文件读取前预警。下面这段 Python 用字符/4 估算 token 数，能识别”快要装不下了”的批操作。

# estimate_tokens.py —— 粗略 token 预算检查（字符/4 近似）
import os, sys, pathlib

def est_tokens(text: str) -> int:
    # 中英文混合按字符数 / 4 估算；实际请用 tiktoken
    return max(1, len(text) // 4)

def scan(root: str) -> dict:
    total = 0
    by_file = []
    for p in pathlib.Path(root).rglob("*"):
        if not p.is_file():
            continue
        # 跳过二进制与大文件
        if p.suffix in {".png", ".jpg", ".pdf", ".zip"}:
            continue
        try:
            content = p.read_text(encoding="utf-8", errors="ignore")
        except Exception:
            continue
        t = est_tokens(content)
        total += t
        by_file.append((str(p), t))
    by_file.sort(key=lambda x: -x[1])
    return {"total": total, "top": by_file[:10]}

if __name__ == "__main__":
    root = sys.argv[1] if len(sys.argv) > 1 else "."
    budget = int(sys.argv[2]) if len(sys.argv) > 2 else 200_000
    r = scan(root)
    print(f"总 token 估算: {r['total']:,}")
    print(f"窗口预算:      {budget:,}")
    print(f"占比:          {r['total']/budget:.1%}")
    print("Top 10 大文件:")
    for path, t in r["top"]:
        print(f"  {t:>8,}  {path}")

跑法示例：python3 estimate_tokens.py ./src 200000。占比超过 70% 就该考虑分批读取或交给子代理，避免一次性把上下文塞爆。

常见问题（FAQ）

Q1：上下文窗口到底指什么？

模型生成下一条回复时能”看见”的所有 token，包含系统提示、会话历史、工具输入与结果。

Q2：自动压缩会丢东西吗？

会。被压缩的旧消息、工具返回细节永久丢失，只保留结构化摘要与关键决策。

Q3：怎么判断该不该手动 /clear？

当模型开始忽略 CLAUDE.md 规则、重复犯同样错误或要求重读已读文件时，立刻 /clear。