不少用户发现，刚打开 Claude Code 仅输入一句 hello，/context 命令显示的上下文占用已达约 15%。文章指出，这些消耗并非来自用户输入，而是在对话开始前就已加载的“开场内容”，主要包括四类：一是系统指令与工具说明，Claude Code 需要预先了解读文件、改代码、运行命令等能力及各工具的调用方式，工具越多说明越长；二是项目指令，项目根目录及子目录中的 CLAUDE.md 文件会在会话启动时被读取，影响模型对代码和任务的理解，文件越长启动成本越高；三是 MCP 工具定义，接入 GitHub、数据库、浏览器等外部服务后，即使本轮未实际调用，工具定义也会占用可用上下文；四是自动记忆与历史消息，恢复旧会话或继续长任务时上下文不会从零开始。作者提出三项检查方法：查看 /context 中哪类内容占比最大；暂时关闭项目用不到的 MCP 服务，需要时再开启；精简 CLAUDE.md，只保留长期有效的执行规则，将临时进度和长篇接口说明拆分到普通文档。文章同时强调上下文并非越空越好，必要的项目规则可减少返工，关键在于识别“本轮用不到但每轮都要携带”的常驻内容。作者还提到自己使用 CC Switch 管理接口，并通过 TrueSOTA 网关切换 Claude、GPT、Grok 等模型，便于对比实际消耗。
事件分析
这一现象折射出AI编程工具普及后的新痛点：上下文正从技术细节变为直接影响成本与效果的核心资源。MCP 协议生态的快速扩张带来工具丰富性的同时，其全量工具定义常驻上下文的设计也在推高 Token 开销，暴露出当前工具调用机制在按需加载、懒加载方面的不足。可以预期，AI编程工具厂商将在动态上下文管理上展开竞争，例如工具定义按需注册、分层记忆机制、项目指令的结构化规范等。对开发者而言，“上下文工程”正成为提示词工程之后的新技能点，会拆分任务、精简常驻配置的开发者能用更低成本获得更好效果。此外，社区涌现的接口切换、用量监控等周边工具，也说明 Token 成本透明化正在成为开发者工具链的标配需求，相关生态有望进一步壮大。
核心观点：上下文是AI编程时代的新型系统资源，常驻内容的“开机自启”管理正成为开发者的必修课。
原文链接：Linux.do
