Anthropic自己承认了：1M上下文是个伪命题，上下文的锅得自己背!

昨天，claude 发布了一条博客

翻译过来就是

使用 Claude Code：会话管理与 100 万上下文窗口

在 Claude Code 中，你如何管理会话、上下文与上下文压缩，对最终效果的影响远超预期。本文为一份实用指南，帮你在每一步都做出恰当选择。

在我们经常使用claude过程中，我们会发现一个现象，当你跟claude聊了半小时，前20分钟你jiao的它还是个天才，后20分钟它突然变成了一个没脑子的。

因为：刚才确认过三遍的需求，它忘了；你反复纠正过的格式，它继续犯；甚至连你十分钟前刚给它的数据，它都能睁着眼睛说瞎话。

你以为是自己prompt没写好。

Anthropic的Claude Code核心开发者明确过：是你自己的使用方式有问题。，我勒个去，反正，横竖都是我的错呗！

大部分人选择有问题

官方甩出一张图，一句话把真相说清楚了：

他们任认为：每一次AI输出完毕，都不是一个结束，而是一个五选一的分支决策点。

但大部分的人，永远只会点那个默认跳出来的、看起来最省事的选项：Continue。

剩下的四个按钮，绝大多数人甚至从来没碰过，也不知道它们是干嘛的。

这就好比你在一个岔路口，面前有五条路，其中四条分别写着“回头”、“清空背包”、“轻装前进”、“找人帮忙”，剩下那条写着“继续往前冲”。而你的选择永远是：继续往前冲，哪怕前面是沼泽。

然后你还抱怨路不好走。

长上下文的真相：越大越笨，越聊越蠢

官方这次非常诚实地说了一句打脸整个行业的话：1M上下文窗口根本解决不了问题。

为什么？

因为长上下文的性能会随着token数线性衰减。

翻译成人话：对话越长，模型越笨。注意力越分散，旧内容像垃圾一样堆积，干扰越来越严重。到最后，它会彻底失忆并且胡说八道，连自己三句话前刚说过什么都不认。

这不是你prompt的问题，是它的脑子已经转不动了。

因为从attention来看的话，对话越久，有效信息密度越低，模型输出的质量越差。当时有人半信半疑。现在官方实锤了。

五个按钮，把你的成功率从10%拉到90%

这次并不是推出了什么黑科技，而是把选择权交还给了用户。简单说，就是让用户来背呗

没有什么技巧，就是五个简单的选项，但每一个都在教你一件事：主动管理，而不是被动累积。

• Continue：继续对话，在当前会话中发送下一条消息
• /rewind (esc esc)：回退指令，跳回到之前某条消息，从该位置重新尝试
• /clear：清空会话，开启全新会话，通常会基于你刚梳理的要点继续
• Compact：精简上下文，对当前会话内容进行总结，并在总结基础上继续对话
• SubAgents：子代理模式，将下一部分工作委派给一个拥有独立干净上下文的子代理，仅将其执行结果回传合并

有人说得好：“我不想用compact，它删得太多了。我想要它精准删掉那些没用的工具调用输出。”

这是大大的实话。目前的compact粒度确实太粗，属于“全量压缩”，压缩后会丢失掉很多的消息，有兴趣的小伙伴可以看我之前写的上下文压缩的文章，会有新的发发现。

还有一点，你可以不用compact，用/clear + 手动提炼。慢一点但是效果是绝对大大的精准。

行业的信号：别再卷窗口大小了

过去两年，我们可以发现，所有AI公司在卷什么？

对，就是上下文窗口。 1M、2M、4M、8M……好像谁的数字大谁就厉害。

现在Anthropic的结论其实是：别卷了，没用。

窗口再大，如果你不会管理，最后还是会崩掉的，就是效果很差的。

这相当于直接给这场军备竞赛泼了一盆冷水。真正的竞争，已经从 “能装多少” 变成了 “能管好多少”。

这不只是AI的事，是你自己的事

我始终认为，这套东西根本不止适用于AI。

它就是一套完美的个人认知操作系统运行手册。

我们的大脑，就是一个有限上下文的模型：

Context Rot = 认知过载和信息焦虑。事情越多，脑子越乱，决策质量越差。

Rewind = 及时止损。不要在错误的方向上继续投入。

Compact = 知识压缩。把厚书读薄，把经验提炼成原则。

Clear = 主动遗忘。扔掉没用的草稿、过时的计划、消耗注意力的垃圾。

Subagent = 分工授权。不要什么事都自己干，能外包的外包，能拒绝的拒绝。

人和人的差距，是这样指数级拉开的

很多人都有一个疑问，同样用AI，为什么有人能跑完一个复杂项目，有人聊20句话就开始跟失忆的AI反复拉扯？

答案现在很明确了：

一类使用路径：一条对话聊到底，从不清理，从不回退，从不压缩。AI变笨了就抱怨，然后开新对话，从头再来。循环往复。

另一类使用路径：在每一个节点主动做决策——该退的退，该清的清，该压缩的压缩，该分发的分发。会话永远轻装上阵，永远保持最高性能。

这个差距，会随着时间指数级放大。

相关的建议

打开Claude Code（或者其他支持类似功能的长上下文AI工具），输入/usage，看看你自己的token使用曲线。

找到你的Context Rot阈值——就是那个“再往后聊模型就开始明显变笨”的临界点。

比如我自己，到300k token左右，模型就开始犯蠢。以后每次快到这个数，就主动/compact或者/clear。

别等它傻了再补救。那时候已经晚了。

最后问下大家伙：

你上一次在对话中点“Continue”之外的选项，是什么时候？

如果答案是“从来没有”或者“想不起来了”，那你现在知道问题出在哪儿了。