2.2 开发者的提示工程基础

2.3 上下文、Tokens 与模型行为

当你与 Claude Code 交互时，你输入的每一个词、符号和语法片段都会成为上下文的一部分——也就是模型的工作记忆。Claude 通过这个上下文来理解你的问题、记住之前的交流，并生成连贯且相关的回复。理解上下文和 token 的工作原理有助于你编写更智能的提示、高效地管理成本，并防止 Claude 在长对话中"遗忘"或误解你的意图。

理解上下文

上下文窗口是 Claude 在一次会话中用于读取和推理信息的总空间。它既包含你的输入（提示、代码、指令），也包含 Claude 的输出（回复、解释和代码补全）。Claude 对当前任务所"了解"的一切都必须容纳在这个上下文窗口内。

如果窗口已满，Claude 会开始压缩或遗忘对话中较早的部分，优先处理最近的交流。这种行为解释了为什么长对话有时会导致不一致或偏离主题的答案。模型并没有真正遗忘——它只是没有足够的空间一次性处理所有先前的数据。

不同的 Claude 模型具有不同的最大上下文大小。例如，Claude 3 Opus 可以处理超过 200,000 个 token——相当于数百页文本。这就是 Claude 能够在一次会话中对整个代码库、大型文档或多层配置进行推理的原因。

什么是 Token？

Token 是文本的一个小单元——通常是几个字符或一个词的一部分——Claude 用它来进行理解和生成。在编程中，每个符号、变量名或关键字都会成为一个或多个 token。例如：

Claude 的 token 计数会随着每次输入和输出而增加。一次会话中的 token 总数决定了：

1. Claude 能够保留多少上下文
2. 消耗多少处理时间和成本

每次 API 调用或会话都根据处理的 token 计费，因此优化提示的简洁性和清晰度有助于你同时控制性能和开销。

在与 Claude 交互时，可以把 token 看作带宽——你拥有有限但充足的容量，每一个额外的细节都会占据推理窗口中的空间。

Claude 如何管理长上下文

Claude 使用语义压缩来在大型项目中保持连贯性。当你的对话超出 token 限制时，模型会在内部对较早的交流进行摘要，保留含义而非原始文本。这使得它即使在丢弃精确措辞后仍能"记住"高层级的目标。

例如，如果你较早的提示写道：

"Claude，我们正在构建一个带有身份验证、订单管理和支付处理的电商 API。专注于 FastAPI 和 PostgreSQL。"

即使在后续数十个提示之后，Claude 仍会保留这一核心理念——理解你的代码属于一个电商系统——因为它已经对该信息进行了语义压缩。然而，如果你之后大幅切换主题（例如从 FastAPI 转到 React），你可能需要重新陈述新的上下文，以保持 Claude 的推理与你的目标一致。

最佳实践：在处理长项目时，每隔几轮重新陈述关键事实——语言、框架、目标——这样 Claude 压缩后的上下文才能保持稳定。

上下文优先级与模型行为

Claude 根据时效性、相关性和语义权重对上下文重要性进行排序。

• 时效性：最近的交流影响最大。
• 相关性：与当前提示高度吻合的信息会被赋予更高优先级。
• 语义权重：核心思想（如项目目标或变量定义）比外围细节被记住的时间更长。

如果 Claude 似乎"遗忘"了某些重要信息，通常是因为该信息在对话中距离较远，或被新的上下文所掩盖。解决方案很简单：显式地重新引入它。

上下文与精确性之间的权衡

虽然 Claude 的大上下文窗口提供了灵活性，但上下文并非越多越好。用不必要的代码、日志或文档使模型过载会模糊其专注点。最佳结果来自策略性的取舍——提供刚好足够的信息让 Claude 进行有效推理，又不至于让它淹没在噪声中。

在处理复杂项目时，考虑将任务分块——先让 Claude 总结或分析单个文件，然后在后续提示中基于这些总结进行构建。这种模块化的方式模仿了人类的推理方式：分而治之，再加以整合。

Claude 的模型行为与人类的不同之处

Claude 并非以人类的方式"理解"代码；它通过概率和关系来预测含义。然而，其先进的训练和宪法式设计赋予它一种推理的表象。它读取你的输入，构建内部的概念结构，并输出与你的目标逻辑一致的回复。看似理解的现象，实际上是上下文和模式感知的一种精妙综合。

Claude 最大的优势在于自适应推理——它能够在数百条相关消息中保持一致性，记住任务结构，并生成连贯且符合语境的解决方案。然而，它无法真正“记住”当前会话之外的内容。如果你关闭聊天或重置 API 上下文，一切都会归零。

这就是为什么开发者常常将关键的项目摘要或指令保存为可重复使用的系统提示。这样做可以确保连续性，并最大限度地减少不同会话之间的偏差。

面向开发者的实用指南

为了高效利用 Claude 的令牌系统和模型行为，请遵循以下建议：

• 保持提示聚焦、明确且简洁。
• 定期总结任务，以强化记忆。
• 避免一次性粘贴大量代码库——从小处着手，逐步扩展。
• 要求 Claude“逐步思考”，以鼓励结构化推理。
• 通过观察每次交换中处理的令牌数量来跟踪成本。

这些实践能够最大化清晰度、降低成本，并保持逻辑连贯性——这些是长期项目或企业级部署中至关重要的习惯。

总而言之，上下文就是 Claude 的思维空间。令牌决定了它的容量，结构决定了它的推理方式。你对上下文的管理越用心，Claude 就越像一个严谨的开发者，而非一个不可预测的助手。在下一节中，我们将探讨这种理解如何融入请求-响应的生命周期，揭示每次 Claude 交互的内部过程——从你发送提示的那一刻到响应返回的那一刻。