Vibe Coding 知识库

上下文管理策略 ​

上下文窗口（Context Window）是 AI 工具在单次对话中能"看到"的全部信息。有效管理上下文是保持 AI 输出质量、避免信息丢失的关键技能，尤其在处理大型项目和长时间开发会话时。

理解上下文窗口 ​

什么占用上下文 ​

上下文窗口内容（按优先级排序）：
┌─────────────────────────────────────┐
│ 系统提示 (System Prompt)            │ ← CLAUDE.md / .cursorrules
│ 对话历史 (Conversation History)     │ ← 往来消息
│ 工具调用结果 (Tool Results)         │ ← 文件读取、代码执行
│ 当前消息 (Current Message)          │ ← 你的输入
└─────────────────────────────────────┘

Claude Code 的上下文：约 200K tokens（约 15 万汉字） Cursor 的上下文：根据模型而异，通常 32K-128K tokens GitHub Copilot Chat：约 32K tokens

上下文溢出的信号 ​

  • AI 开始"忘记"早期讨论的约定
  • 生成的代码与之前的风格不一致
  • AI 重复询问已经提供过的信息
  • 回答变得笼统，缺乏项目特异性

上下文分层策略 ​

将信息按持久性分为不同层次，分别用不同方式管理：

永久层（Permanent）
  → CLAUDE.md、.cursorrules、copilot-instructions.md
  → 项目规范、架构约定、团队规则
  → 每次对话自动加载，无需手动提供

会话层（Session）
  → 当前任务的 PRD、相关代码文件
  → 在对话开始时手动提供
  → 随对话进行而逐渐消耗

即时层（Immediate）
  → 当前操作的具体代码片段
  → 只在需要时提供，用完即弃

文件作为持久上下文 ​

CLAUDE.md 的持久化作用 ​

将会重复使用的信息提取到文件中，避免每次重复粘贴：

markdown
# CLAUDE.md（项目级）

## 常用命令
pnpm dev          # 启动开发服务器（端口 3000）
pnpm test         # 运行所有测试
pnpm db:migrate   # 执行数据库迁移
pnpm build        # 构建生产版本

## 关键文件位置
- 路由配置：src/app/ (Next.js App Router)
- 数据库 Schema：prisma/schema.prisma
- 环境变量说明：docs/env-setup.md
- API 文档：docs/api-reference.md

## 当前开发重点
- 正在开发：考试模块（feature/exam 分支）
- 待修复：评论加载慢（issue #234）
- 下一步：支付集成（需求文档：docs/specs/payment.md）

Spec 文档作为上下文锚点 ​

工作流：
1. 将功能 PRD 保存为 docs/specs/feature-name.md
2. 在 CLAUDE.md 中注明文档位置
3. 每次对话开始时引用：
   "请先读取 docs/specs/payment.md，
    然后实现其中的支付初始化接口"

长对话的上下文管理 ​

策略一：周期性摘要刷新 ​

当对话超过 20 轮时，主动请求摘要并重置上下文：

在长对话的合适节点输入：

"请总结我们到目前为止完成的工作：
1. 已实现的功能（列出文件名）
2. 当前的代码结构
3. 未解决的问题
4. 下一步计划

我将用这个摘要开启新对话，继续后续工作。"

然后在新对话中：

"继续之前的开发工作。以下是上次对话的摘要：
[粘贴摘要]

当前任务：继续实现 [下一步功能]"

策略二：任务边界切换 ​

每个独立功能使用独立对话，保持上下文干净：

对话 1：实现用户认证模块
  → 完成后将代码提交

对话 2：实现课程管理模块
  → 开始时只提供必要的认证相关接口文档
  → 不需要携带认证实现的详细代码

对话 3：集成测试
  → 只需要提供两个模块的公共 API 文档

策略三：选择性上下文注入 ​

不要一次性粘贴所有相关代码，按需提供：

❌ 低效方式：
"这是整个 src/ 目录的代码 [粘贴 5000 行]，
帮我修复登录功能"

✓ 高效方式：
"登录接口返回 401 错误。
相关代码：
1. 路由处理（src/app/api/auth/login/route.ts）：[粘贴 30 行]
2. 认证中间件（src/lib/auth/middleware.ts）：[粘贴 20 行]
3. 错误信息：[粘贴日志]

其他文件暂不需要，有需要我再提供。"

分块（Chunking）策略 ​

当单个文件或任务超出上下文限制时，使用分块策略：

大文件处理 ​

处理大型代码文件（>300 行）的建议流程：

第一轮：理解结构
"以下是 userService.ts 的内容，请分析：
1. 主要功能和职责
2. 依赖的外部模块
3. 公共 API 列表
[粘贴文件]"

第二轮：聚焦修改
"基于上一轮的分析，我需要修改 updateUserProfile 方法。
只粘贴该方法相关的代码：
[粘贴 updateUserProfile 函数和相关类型定义]
修改目标：[具体需求]"

大型重构任务 ​

将大型重构分为可独立执行的批次：

批次 1：数据层（models/）
  → 独立对话，只需要数据库 schema 和现有 model 文件

批次 2：服务层（services/）
  → 独立对话，需要提供批次 1 的新 model 接口

批次 3：控制层（controllers/）
  → 独立对话，需要提供批次 2 的新 service 接口

批次 4：测试更新
  → 独立对话，需要提供各层新接口文档

上下文质量优化 ​

减少噪音 ​

提供上下文时的过滤原则：

✓ 应该包含：
- 与当前任务直接相关的代码
- 错误信息和堆栈跟踪
- 相关的类型定义
- 关键的配置文件

✗ 应该排除：
- 完整的 node_modules 路径
- 自动生成的代码（.d.ts、生成的迁移文件）
- 与当前任务无关的文件
- 已经讨论过且已解决的问题

上下文锚定技术 ​

在长对话中定期重申关键约束，防止"上下文漂移"：

每隔 5-10 轮对话，加入一次锚定语句：

"提醒：本项目使用 TypeScript 严格模式，
所有函数必须有明确的返回类型，
继续当前任务..."

上下文管理工具对比 ​

工具持久上下文方式上下文窗口建议策略
Claude CodeCLAUDE.md（自动加载）~200K tokens充分利用 CLAUDE.md，大任务按功能分对话
Cursor.cursorrules + @file32K-128K tokens用 @file 精准引入，避免 @codebase 全量
Copilot Chatcopilot-instructions.md~32K tokens每次只引入直接相关文件，多用 /fix /explain
通用 LLM API系统提示模型限制实现滑动窗口，保留最近 N 轮 + 摘要

实战检查清单 ​

开始新对话时：

  • [ ] CLAUDE.md 是否包含当前任务相关的约定？
  • [ ] 是否需要提供 PRD 或需求文档？
  • [ ] 当前任务是否可以独立完成（不依赖本次对话历史）？

对话进行中：

  • [ ] 是否已超过 15-20 轮（考虑摘要刷新）？
  • [ ] AI 的回答是否开始偏离项目规范（考虑重新锚定）？
  • [ ] 是否在重复粘贴相同内容（考虑提取到 CLAUDE.md）？

完成任务后：

  • [ ] 将重要决策更新到 CLAUDE.md（当前已知问题、架构约定）
  • [ ] 将完成的功能 spec 归档到 docs/specs/
  • [ ] 清理 CLAUDE.local.md 中的临时调试信息

核心原则：将"对话中反复用到的信息"变成"文件中长期存储的知识"。上下文管理的本质是知识管理——让 AI 每次都能在最短时间内获取到最相关的信息。