Document
📑 目录
💬 引用
原文：Anthropic 官方博客，作者 Thariq（Claude Code 工程师）
原文链接：https://claude.com/blog/using-claude-code-session-management-and-1m-context01新功能：
新功能：/usage 命令
/usage
新增斜杠命令，用于查看你在 Claude Code 中的使用情况。该功能是基于用户反馈开发的。
02
核心概念
上下文窗口
- 大小： 100 万 token
- 包含： 系统提示词、对话历史、所有工具调用/输出、所有读取的文件
- 硬性上限： 必须主动管理
上下文腐烂（Context Rot）
💬 引用
"随着上下文增长，模型性能会下降——因为注意力被分散到越来越多的 token 上，旧的、无关的内容开始干扰当前任务。"压缩（Compaction）
当接近上下文限制时，任务会自动被总结为更小的描述，然后在新上下文窗口中继续工作。也可以手动触发。
03
每一步的会话管理选项
当 Claude 完成一个任务后，你有 5 个选择：
| 操作 | 命令 | 用途 |
|---|---|---|
| 继续 | （自然流程） | 保留当前所有上下文 |
| 回退 | 双击 Esc 或 /rewind |
跳回到之前任意消息，丢弃之后的所有内容 |
| 压缩 | /compact |
总结对话，替换历史记录 |
| 清空 | /clear |
完全清空上下文，从头开始 |
| 子代理 | （自动/显式调用） | 为噪音任务生成独立上下文 |
04
什么时候应该开新会话
经验法则： 开始新任务时，开新会话。
例外： 当上下文仍然有价值的关联任务（比如刚写完一个功能，要给这个功能写文档）。如果重新开始，Claude 需要重新读取文件——更慢，也更费钱。
05
回退 vs 纠正
不要只是说"这样不行"——应该用回退。
更好的做法：
1. Claude 读取了 5 个文件，尝试方案 A → 失败
2. /rewind 回到读取文件之后
3. 用你学到的信息重新提示："不要用方案 A，foo 模块没有暴露那个接口——直接用方案 B。"
专业技巧： 用 "从这里开始总结" 配合 /rewind 来创建一个交接消息——就像"未来 Claude"给"过去 Claude"写的便条，告诉它什么行不通。
06
压缩 vs 清空：关键区别
/compact
/compact 聚焦在认证重构上，丢弃测试调试的内容
- Claude 总结对话并替换历史记录
- 有损的，但 Claude 可能会包含你自己会忘记的重要发现
- 可引导——传入指令来告诉它什么重要
- 你花更少力气
/clear
- 你自己写下来什么重要："我们在重构认证中间件，约束条件是 X，涉及的文件是 A 和 B，已排除方案 Y"
- 前期需要更多工作，但你完全控制哪些信息被保留
- 零上下文腐烂
07
什么会导致糟糕的自动压缩？
💬 引用
"糟糕的压缩发生在模型无法预测你的工作方向时。"典型失败模式： 1. 漫长的调试过程 → 触发自动压缩 2. 总结聚焦在调试调查上 3. 你的下一条消息："现在修一下我们在 bar.ts 里看到的那个警告" 4. 那个警告已经在总结中被丢弃了
关键洞察： 由于上下文腐烂，模型在执行压缩时正处于它最不聪明的时刻。有了 1M 上下文，你有更充裕的时间主动执行 /compact，并附上你接下来计划做什么的描述。
08
子代理：隔离噪音工作
子代理拥有自己全新的上下文窗口。它们完成任务后合成结果——只有最终报告会返回给主会话。
Anthropic 的思维测试：
💬 引用
"我之后还需要这个工具输出吗，还是只需要结论？"适合用子代理的场景： 代码库搜索、验证任务、文档编写——任何会产生大量你不会复用的中间输出的任务。
09
决策矩阵
| 场景 | 工具 | 原因 |
|---|---|---|
| 同一任务，上下文仍然相关 | 继续 | 所有内容都有用；不要浪费 token 重建上下文 |
| Claude 走错了方向 | 回退（双击 Esc） |
保留有用的文件读取，丢弃失败尝试，用经验重新提示 |
| 任务进行中但会话被大量调试内容塞满 | /compact <提示> |
低成本；让 Claude 决定什么重要。用指令引导 |
| 开始全新的任务 | /clear |
零腐烂；你完全控制哪些信息被保留 |
| 下一步会产生大量输出，只需要结论 | 子代理 | 中间噪音留在子上下文里；只有结果返回 |
10
核心要点
- 1M 上下文 ≠ 无限——上下文腐烂仍然会随时间降低性能
- 新任务 = 新会话（紧密关联的工作除外）
- 回退优于纠正——丢弃失败尝试，保留有用的读取
- 主动压缩优于自动压缩——模型在压缩时最不聪明
- 子代理隔离噪音——当你只需要结论时使用，不需要中间步骤