上下文经济学：Token 就是预算

上下文窗口是有限资源。每个 token 都有成本，窗口装满之后模型开始遗忘，或者 API 直接返回 413。Claude Code 在这个约束下做了一套完整的预算管理体系——不是”尽量少用 token”，而是”在有限空间里装最有价值的信息”。

四道压缩机制

压缩不是一刀切的全量摘要，而是按轻重程度分四道，优先做代价小的。

最轻的是 Snip Compact：不动消息结构，只截内容——工具返回了 5000 行日志，保留头尾，中间替换成占位符，信息损失最小。再重一档是 Micro Compact，基于 tool_use_id 做缓存编辑，专门针对”某次工具调用输出特别大”的场景，精准压缩而不是按时间顺序粗暴截取。

往上走是 Context Collapse：把不活跃的上下文区域折叠成摘要。早期对话轮次、已完成的子任务，折叠后只保留关键结论，过程细节丢弃。最后兜底的是 Auto Compact——总 token 数逼近阈值时触发全量压缩，把整个对话历史压成一个摘要重新起跑。代价最大，但也最彻底。

四道可以叠加，轻量的够了就停，不够再升级。不是每次都直接跑 Auto Compact，那样丢掉太多有价值的中间状态。

Reactive Compact：API 413 的兜底

正常流程里四道压缩是主动触发的。但有时候时机没掌握好，或者单个消息本身就超大，API 直接返回 413（prompt too long）。

这时候触发 Reactive Compact：收到 413 → 紧急执行压缩 → 重试请求。hasAttemptedReactiveCompact 标记确保每个 turn 只尝试一次，不会陷入死循环（压完还是 413 → 再压 → 还是 413……）。

一次尝试失败的话，错误会冒出来给用户处理，而不是静默重试到资源耗尽。

Token Budget 系统

query/tokenBudget.ts 处理另一类需求：用户想控制总花费。

用户指定一个 token 目标（比如”+500k”），系统追踪每个 turn 的输出 token 累计量。接近目标时，往对话里注入一条 nudge message，告诉模型”预算快到了，注意控制输出长度，能简则简”。

这不是硬截断——硬截断会导致模型在任务中途停下来产出半成品。nudge 是软引导，让模型自己调整策略：能用短答案解决的不展开，能引用已有结论的不重复推导。

按需注入：上下文预算的主动管理

除了压缩，上下文管理的另一半是”不往里塞不必要的东西”。

Skill 按需注入——任务匹配到某个 skill 才把那个 skill 的说明注入进来，启动时不把 17 个 skill 的全部说明都预加载进 system prompt。一个 skill 说明大约几百 token，17 个全塞进去就是几千 token 的固定开销，而大多数会话根本用不到其中 14 个。

MCP instructions 按连接状态注入，没连上的 server 的说明不占空间。这个设计顺便解决了一个实际问题：用户配置了十个 MCP server 但只启动了三个，另外七个的说明不应该污染 prompt。

Memory 和 Skill discovery 都支持 prefetch——模型流式输出的同时，后台预取相关 memory 和 skill，等到模型真正需要时直接可用，不需要等一个完整的 round-trip。

工具结果太大时，内容持久化到磁盘，上下文里只保留摘要和引用。模型需要细节时可以通过工具再取，不需要时不占窗口空间。

这套体系的核心逻辑

把上面几个机制放在一起看，背后是同一个判断：上下文里的信息应该按相关性密度排列，不是按时间顺序堆积。

时间最近的内容不一定最相关。三十轮之前的一个关键决策，可能比刚才一次工具调用的完整日志更值得保留。四道压缩 + 按需注入，本质上是在持续做这个筛选：把高相关性的信息留下来，低相关性的压缩或移出窗口。

Auto Compact 触发时会 fork 一个子 agent 做摘要，这个过程本身有成本。所以 CLAUDE.md 里建议手动 /compact——主动在阶段边界做压缩，质量更可控，也保留了缓存前缀，比等系统自动触发便宜。这是”理解了机制之后的用法”，而不是绕过机制。

---

参考来源： 本文内容参考 Xiao Tan（@tvytlx）的《Claude Code 源码架构深度解析 V2.0》，基于原报告的分析框架和研究成果整理。