Claude Code突然“失忆”?不是bug,是compact在救你

源自55位全网作者

12:00

精选参考来源

1
蚂蚁面试官:claude code的/compact到底做了啥? 我说“自动总结“,他说我理解的太肤浅了
2
蚂蚁面试:compact命令到底做了啥。前两天有个粉丝私信我,说他面蚂蚁的时候被问了一道题:你知道Claude Code的/compact功能是怎么工作的吗?他当时挺自信的,说这不就是自动总结对话嘛,把长对话压缩一下省token。面试官听完笑了笑,问他:那压缩之后,模型是怎么知道之前改过哪些文件的? 他愣了一下,说应该也总结进去了吧。面试官又问:那如果文件内容在压缩之后变了呢?摘要里写的是旧的,模型怎么拿到新的?他挠挠头,说不太清楚,这个细节他从来没想过。面试官没追问,只是说你理解的有点浅了,回去研究研究。 后来我仔细研究了一下,发现/compact根本不是自动总结那么简单。它的工作流程是这样的:先把原始对话最后拼接一条伪装的user消息,用CRITICAL级别的大写开头,强制让模型按照固定模板去处理。然后要求模型把完整对话历史压缩成一个9个章节的结构化摘要,包括任务目标、整体架构、文件变更、决策、已解决问题、全部用户指令、约束、当前状态、下一步。 更关键的是模型内部有个两层皮设计。模型会先生成一个analysis标签,里面是它的思考过程,然后再生成summary标签,里面才是真正的摘要。但是Claude Code客户端会把analysis全部丢弃,只保留summary。也就是说,模型花token打的草稿,最后根本不会被用到。 压缩效果大概是:原始对话99条消息、10万token,压缩后只剩4条消息、1万token。压缩率确实很高,但这种高度压缩是抹掉过程细节的,留下的只有结构化的最终结论。 而且压缩之后剩下的不只是那4条消息,还有5个文件自动附录、hook context、planAttachment等等。也就是说,/compact并不是优雅的上下文压缩机制,更像是工程上的补丁。只靠摘要模型无法恢复可继续执行的工作状态,客户端还得额外做很多事情来保证上下文准确性。 这个设计的核心矛盾在于:要压缩得足够小以省token,但压缩过程中位置信息必然丢失。所以客户端必须用多层机制来弥补,摘要加文件重读加重新附计划和技能文档等等,来拼凑出一个够用的上下文。下次面试再被问到/compact,可别说只是自动总结了。#大模型 #算法
全部
来源
内容由AI生成

精选参考来源

1. 蚂蚁面试官:claude code的/compact到底做了啥? 我说“自动总结“,他说我理解的太肤浅了

2. 蚂蚁面试:compact命令到底做了啥。前两天有个粉丝私信我,说他面蚂蚁的时候被问了一道题:你知道Claude Code的/compact功能是怎么工作的吗?他当时挺自信的,说这不就是自动总结对话嘛,把长对话压缩一下省token。面试官听完笑了笑,问他:那压缩之后,模型是怎么知道之前改过哪些文件的? 他愣了一下,说应该也总结进去了吧。面试官又问:那如果文件内容在压缩之后变了呢?摘要里写的是旧的,模型怎么拿到新的?他挠挠头,说不太清楚,这个细节他从来没想过。面试官没追问,只是说你理解的有点浅了,回去研究研究。 后来我仔细研究了一下,发现/compact根本不是自动总结那么简单。它的工作流程是这样的:先把原始对话最后拼接一条伪装的user消息,用CRITICAL级别的大写开头,强制让模型按照固定模板去处理。然后要求模型把完整对话历史压缩成一个9个章节的结构化摘要,包括任务目标、整体架构、文件变更、决策、已解决问题、全部用户指令、约束、当前状态、下一步。 更关键的是模型内部有个两层皮设计。模型会先生成一个analysis标签,里面是它的思考过程,然后再生成summary标签,里面才是真正的摘要。但是Claude Code客户端会把analysis全部丢弃,只保留summary。也就是说,模型花token打的草稿,最后根本不会被用到。 压缩效果大概是:原始对话99条消息、10万token,压缩后只剩4条消息、1万token。压缩率确实很高,但这种高度压缩是抹掉过程细节的,留下的只有结构化的最终结论。 而且压缩之后剩下的不只是那4条消息,还有5个文件自动附录、hook context、planAttachment等等。也就是说,/compact并不是优雅的上下文压缩机制,更像是工程上的补丁。只靠摘要模型无法恢复可继续执行的工作状态,客户端还得额外做很多事情来保证上下文准确性。 这个设计的核心矛盾在于:要压缩得足够小以省token,但压缩过程中位置信息必然丢失。所以客户端必须用多层机制来弥补,摘要加文件重读加重新附计划和技能文档等等,来拼凑出一个够用的上下文。下次面试再被问到/compact,可别说只是自动总结了。#大模型 #算法

3. Claude Code 老让你 /compact?别慌,一文讲清上下文和 token 消耗

4. 深入理解 Claude Code 的 /compact:机制、策略与最佳实践

5. claude code省钱攻略——什么是compact

6. Claude_code上下文压缩(Compaction)机制

7. Microsoft代理框架工作流编排 - 移交

8. Microsoft Agent Framework Workflows Orchestrations - Handoff

9. Orquestrações de fluxos de trabalho do Microsoft Agent Framework - Handoff

10. Microsoft Agent Framework Workflow-Orchestrierungen – Übergabe

11. Microsoft Semantic Kernel + AutoGen 合并的生产实践

12. Hark Launches Handoff: An Ultra-Low-Cost Browser-Automating AI Agent

13. Hark unveils Handoff, an AI agent that completes tasks directly in a browser

14. Anthropic公开戳破 百万上下文神话 你被误导多久了?

15. Anthropic GAN 架构三要素:长时运行 Agent 的 Harness 设计新范式

16. AI Agent 怎么做长任务?Anthropic 的三层架构实践

17. 别再死磕 Prompt 了!Anthropic 揭秘:真正决定 Agent 性能的是"上下文工程"

18. 面试官:Agent记忆系统怎么设计? 在Agent开发中,记忆系统该怎么设计?Anthropic强调的上下文工程核心在于:重点不是存多少,而是何时存、取、忘。视频为你拆解Agent记忆的三层架构(短期、工作、长期),并分享成熟Agent记忆系统必备的5大核心能力,包括动态检索、上下文压缩等。带你真正理解Agent记忆机制,从提示词工程进阶到上下文工程! #Agent开发 #人工智能 #大模型 #Anthropic #上下文工程

19. 如何设计记忆系统?深度解析上下文工程 Agent开发中,记忆系统不是存得越多越好,关键在于何时存、取、忘。本期视频为你解析Anthropic推崇的“上下文工程”。我们将拆解短期、工作、长期三层记忆架构,探讨高价值记忆筛选、上下文压缩及动态检索机制。从提示词工程到上下文工程,带你了解决定Agent上限的核心系统。 #Agent开发 #大模型 #上下文工程 #记忆系统 #Anthropic

20. 面向 AI Agent 的高效上下文工程

21. Claude Code 上下文工程:Anthropic 工程师私藏的 5 大模式与 13 步操作法

22. 从Anthropic的成功看AI时代的底层范式转移

23. AI写代码90%靠自动,剩下10%是关键Anthropic工程师开发范式拆解

24. Claude 4.6 Opus 会员深度解析:百万上下文如何重塑 AI 工作流

25. Anthropic的创建与发展概述

26. Claude Code 和 Codex 的 compact 根本不是一类机制

27. 你还没有尝试过克劳德代码的所有功能

28. Claude Code 学习路线图与最佳实践

29. Claude code 上下文与压缩机制(compact)解读

30. Claude Code 上下文溢出怎么办?Compact 机制完全解析

31. Agnes AI 实测:AI 编程真正的瓶颈,99%的人想错了

32. Vercel推Agent Browser:让AI自己控制浏览器,比Playwright省93%上下文

33. 属于Agent的文件协议来了!Selfware让Agent之间无缝传递上下文

34. GPT-5.6 惊现 150 万上下文窗口,将如何影响大模型竞争格局?

35. GLM-5.2来了,Claude Code百万上下文怎么配?

36. Anthropic官方报告:8大趋势说透AI编程未来,60%代码AI写的,老金实测项目带你看!

37. 在国内如何使用Claude Code进行编程?

38. 智能体上下文工程:为什么文件系统成了AI记忆的最佳载体?

39. 大模型上下文工程指南

40. 使用 Claude Code:会话管理与 100 万上下文

41. Anthropic让Claude AI"做梦"优化工作,突破上下文限制实现持续进化

42. P99延迟降72%、成本降83%!字节跳动Agent上下文平台首度公开

43. 【AI Agent 记忆系统:从短期到长期的技术架构与实践】本文系统阐述AI Agent记忆系统的核心技术:短期记忆(会话级上下文管理)与长期记忆(跨会话知识沉淀)。涵盖上下文工程策略(压缩、卸载、隔离)、Record/Retrieve架构、主流框架(ADK/LangChain/AgentScope

44. DeepSeek-V4终于更新了!一百万超长上下文,Agent能力大幅增强,能力接近Opus 4.6

45. 【Agent 开发范式演进:从环境工程出发,“简化”多源实时上下文】本文基于阿里云沈林在2026中国生成式AI大会的分享,指出企业级Agent落地瓶颈不在模型,而在上下文供给能力。文章从“环境工程”视角,提出信息完备性、感官管理、知识对账、变更治理、普惠门槛五大维度,探讨如何让Agent低成本、可靠

46. Claude Code终于有仪表盘了:3条命令装个HUD,上下文用了多少一眼就知道

47. Claude 4.6 百万 Token 上下文正式开放,不加钱,这 3 个使用场景效率直接翻倍

48. Hermes Agent v0.14 发布:AI 智能体的新基建

49. 「Github一周热点117期」Claude Design开源替代、AI 上下文压缩 、提升AI审美的Skill、英语学习指南,从零手搓AI

50. Transformer与RNN合体,谷歌打下显存门槛,解锁超长上下文

51. 刚刚,OpenClaw史上最猛更新!AI记忆可自由插拔,开发者等了半年

52. Agent 开发范式演进:从环境工程出发,“简化”多源实时上下文

53. 更好的上下文,更好的 GitHub Copilot

54. 【做AI产品三年复盘,我看到的变与不变】 本文以AI产品工程师视角,分“看自己、看行业、看世界”三部分,剖析AI巨变中不变的本质:人机协作需强化沟通力、工程判断力与责任担当;营销与金融正被生成式技术重塑;ClaudeCode等智能体虽形态演进,但“上下文(Context)”始终是决定效果的核心。ht

55. AI 代码评审的下一个阶段:从“看 Diff”到“看上下文”,工程化落地还有多远?

0
扫一下,分享更方便,购买更轻松
0评论

当前文章无评论,是时候发表评论了
提示信息

取消
确认
评论举报

最新文章 热门文章