Claude Code源码解构：压缩提示工程（一）：上下文经济学与令牌预算

摘要：借着泄露的 Claude Code 代码，深度解读其”上下文经济学”的核心实现。本文将揭示 Claude Code 如何通过自动压缩流水线，在有限的上下文窗口里制造出”无限上下文”的错觉。

引言：上下文经济学的诞生

我在 prompts.ts 文件的 function getSimpleSystemSection() 中看到了这样一段描述：

当对话接近上下文限制时，系统会自动压缩对话中之前的消息。这意味着你与用户的对话不受上下文窗口的限制。

这句话背后的工程实现非常有意思。写过 AI Agent 的人都知道，”Token 溢出”和”模型失忆”是实际开发中的死穴。当你让 AI 处理一个跨越几十个文件、几千行代码的复杂重构时，对话历史会像吹气球一样膨胀。以前我们只能粗暴地截断历史，但这会导致 AI 瞬间变傻。

Claude Code 换了个思路：它把上下文当成一种昂贵的”运行时预算”，通过一套自动压缩（Compact）流水线，在有限的窗口里制造出一种”无限上下文”的错觉。

这篇文章旨在通过源码深度解读，正面回答以下几个核心问题：

• • 如何界定上下文限制？（触发机制是什么）
• • 系统如何自动压缩？（具体的脱水策略）
• • 为什么做了自动压缩就可以不受上下文窗口的限制了？（状态重注入的逻辑）

一、痛点所在：Token 的失控与”噪音”污染

在真实重构场景下，Token 消耗的速度快得惊人。这主要来自三个方面：

• • 无节制的大海捞针：一次 grep 或 find 吐出来的搜索结果可能有好几万 Token
• • 反复摩擦的迭代：改代码 → 报错 → 再改 → 再报错，每一轮都在往上下文里塞垃圾
• • 冗余的中间态：你可能读取了 20 个文件，但真正决定逻辑的只有那两三行

如果不治理，模型很快就会因为”噪音”太多开始胡言乱语，或者直接报 prompt_too_long 挂掉。

“这块本质上不只是 prompt 细节，它更像：Anthropic 对 AI 工程师行为规范的制度化表达。”

1.1 代码实现逻辑

参考源码中的 compact.ts，其核心步骤可以简化为以下伪代码：

/** * 揭秘 Claude Code 的核心压缩逻辑 * 源码位置：src/services/compact/compact.ts:L387 */export async function compactConversation(messages: Message[]) {  // 1. 监控触发与预留安全缓冲  // 核心参数：AUTOCOMPACT_BUFFER_TOKENS = 13,000 (约 13k Token)  // 当 contextUsage >= (effectiveWindow - 13,000) 时强制触发  const currentTokens = tokenCountWithEstimation(messages);  if (currentTokens < getAutoCompactThreshold(model)) return messages;  // 2. 预处理 (Context Collapse)  const cleanMessages = stripImagesFromMessages(messages);  // 3. 生成"深度摘要" (The Heart of Compact)  const summaryResponse = await streamCompactSummary(cleanMessages);  const summary = getAssistantMessageText(summaryResponse);  // 4. 状态保留 (State Re-injection) - 核心精髓！  // 压缩并非简单的"删除"，而是"有选择的遗忘"  const preservedState = [    await createPostCompactFileAttachments(), // 重新加载最近读取的 5 个文件内容    await createPlanModeAttachmentIfNeeded(), // 恢复 /plan 任务树的执行状态    await createSkillAttachmentIfNeeded()     // 重新激活已加载的 Skill 规则  ];  // 5. 标记边界  return [    createCompactBoundaryMessage(),    createUserMessage({ content: getCompactUserSummaryMessage(summary) }),    ...preservedState  ];}

字段深度解读：

getAutoCompactThreshold：安全缓冲通过 AUTOCOMPACT_BUFFER_TOKENS 设置为 13,000 Token。这个缓冲至关重要：它预留了足够的空间让模型能够生成完整的摘要（摘要本身可能长达数千 Token），并处理压缩过程中的系统指令，避免因空间不足导致压缩任务本身崩溃。

二、令牌预算追踪

令牌管理不仅是被动的压缩触发，还包含主动的预算规划和预警系统。

2.1 多级警告状态

calculateTokenWarningState 函数计算当前令牌使用状态，返回多个布尔标志：

这些标志驱动 UI 层面的警告展示和压缩行为的触发。percentLeft 字段向用户展示剩余空间的百分比。

2.2 压缩后的令牌预算

压缩完成后，系统并非简单地释放所有空间。压缩模块定义了严格的令牌预算常量：

这些预算限制了压缩后重新注入上下文的内容量，确保了压缩不会因为过度注入附件而立即再次触发压缩。

反模式警告： 常见的错误是在压缩后立即重新加载所有之前读取的文件。这样做会迅速耗尽令牌预算，导致在几轮对话后再次触发压缩，形成”压缩 – 膨胀 – 再压缩”的恶性循环。正确做法是只重新加载当前任务需要的文件。

下一篇（二）：深度摘要的防幻觉策略 + 状态保留与场景复现

参考文献：

1. 1. Claude Code源码：compact.ts
2. 2. Anthropic Claude API Documentation