context

"上下文增强生成（CAG）是在现有检索增强生成 (RAG)流程之上的扩展，通过引入一个显式的上下文管理器，在不需要重新训练模型或改动检索基础设施的前提下，对运行时上下文进行组装和规范化。"

"Qwen3.5-Omni-plus在215个音频及音视频理解、推理和交互子任务与基准测试中取得了SOTA（最先进）成果，在关键音频任务上超越了Gemini-3.1 Pro，并在综合音视频理解能力上与之不相上下。"

"检索增强生成 (RAG)和AI记忆不是非此即彼的替代关系，而是系统中角色完全不同的组件，它们解决的是“获取外部静态知识”与“维持和更新动态变化的状态”这两个截然不同的问题。"

"Claude其实是想半途而废——或者更确切地说，它学习到了一种通过输出上下文警告来“名正言顺地中断工作”的行为模式。"

"选择的标准不应是“哪个最强大”，而是“对贵公司的哪项业务有效”。"

"context compaction（上下文压缩）是在上下文窗口满时自动执行的过程，它通过压缩旧的对话来释放容量。"

"对于AWS基础设施工程师来说，Claude Code绝不仅仅是一个“代码补全工具”。从CDK堆栈设计到安全审查（cdk-nag兼容）、PR创建以及文档编写，能够作为一名称职的高级工程师承担整个开发生命周期的重任，才是Claude Code的本质所在。"

"你花重金请了个过目不忘、智商绝顶的战略顾问，但他每天早上都会“断片”。你每天都得让他把公司十年的财报重读一遍，才能问他“今天干啥”。"

"LLM本身没有记忆。它其实“不应该记住”在刚才的对话中谈了什么。尽管如此，当与ChatGPT等聊天应用或最近的智能体交谈时，感觉就像对方记住了自己并拥有记忆一样。"

"每次审查时，智能体都会从完全空白的状态开始。现实中的审查员拥有上下文，例如“我上周对这个文件提出了相同的意见”或“这个项目优先考虑内部编码规范而不是PEP8”。这次为了解决这个问题，我们实现了短期记忆（对话历史）和长期记忆（JSON文件）的双层结构。"

"模型上下文协议 (MCP) 完全指南：构建2026年的AI原生应用"

"每当我尝试打开以前的对话历史时..."

"在许多情况下，结构化上下文比模型规模更重要。"

"随着对话变长和历史记录膨胀，模型的注意力会分散，导致约束遵守率下降、成本增加、延迟增加以及触及上下文窗口限制。"

"Claude Opus 4.7被Anthropic定位为“目前性能最高的GA模型”的旗舰产品，其特点是采用自适应思考并在长时间智能体执行工作中实现了大幅改进。"

"如果你想让Claude Code感觉像是一个驻扎在代码库里的高级工程师，你的项目就需要良好的结构。"

"上下文窗口虽然巨大，但随着它的膨胀，AI的注意力会变得分散。并不是上下文越大越聪明；如果变得太长，性能就会下降。AI在每一次生成时，确实都在查看整个对话历史。"

"AI 智能体，特别是自主重写代码的类型（如 Claude Code 或 Gemini / Codex 等），总是会面临“上下文迷失”和“token 浪费”的问题。"

"与其“减少打断”，我尝试从“降低返回成本”的方向来思考这个问题。你只需简单地输入“剩下的工作是什么？”，它就会准确地返回你刚才在做什么的上下文，作为你的外部记忆。"

"Opus 4.7（2026年4月16日发布）引入了新的分词器，即使是相同的提示，令牌消耗也增加了最多35%（根据Finout.io调查）。"

"原则: CLAUDE.md保持在200行以内。详细信息应分离到智能体 (Agent) 文件中。"

"可以将 Notebooks 视为 Gemini 内部的专用项目工作空间。每次打开应用程序时，您无需重新开始，而是可以将对话、文件和源材料集中存储在单个主题下。"

"我希望我的角色感觉像是有真实生活的人，所以我建立了一个‘幕后事件’系统。"

"只需向 Claude 提问“能显示哪些信息？”或“让它更直观一点”，就能在不自己编写代码的情况下创建出理想的状态栏。"

"Claude Code 子智能体允许从主AI智能体启动另一个智能体（子智能体）来并行处理任务。其优势不仅在于“能够并行化”，还在于能够为每个子智能体分配不同的角色、工具权限和模型。"

"我只是希望我们能够根据上下文与Gemini讨论查询是否合适，而不是让系统在不了解其实际内容的情况下立即阻止任何内容。"

"我们利用 Claude Code 的 Skill 功能创建了一个机制，只需在不停顿对话的情况下说“保存到XX”或“有关于那个的文档吗？”，Claude 就会自动处理一切。"

"当上下文窗口变满时，Claude Code会对过去的交互进行总结和压缩。在这个压缩过程中，CLAUDE.md中的约束和用户的明确指令可能会被判定为“重要性低”而从摘要中丢失。"

"纯语义搜索并没有因为可扩展性本身而退化；它开始漏检是因为查询和目标内容对同一概念使用了不同的词汇。解决方法是一种索引优先策略——一个轻量级的主题标签索引，在自然语言查询运行之前缩小候选范围。"

"如果让它解决“SEND + MORE = MONEY”这样的密码算术题，即使是Claude Sonnet也会犯错。因为组合太多，单靠猜测无法得出正确答案。……所以我创建了 prolog-reasoner，让SWI-Prolog可以作为MCP服务器使用，也就是让LLM来编写Prolog，而把执行工作交给Prolog。"