Claude API 上下文管理实战：如何高效保存记忆与清理窗口

1次阅读

没有评论

共计 1386 个字符，预计需要花费 4 分钟才能阅读完成。

使用 Claude API 进行长对话开发时，上下文管理是最令人头疼的问题之一。主要面临三个挑战：

Token 限制问题 ：Claude 的上下文窗口有严格的 token 限制（当前为 100K），超过限制会导致请求失败。
记忆丢失 ：简单的轮询式对话容易丢失历史上下文，导致 AI “ 失忆 ”。
成本控制 ：不必要的长上下文会增加 token 消耗，直接提高 API 使用成本。

原理：完整保存所有对话历史
优点：信息保留完整
缺点：Token 消耗大，容易超限

原理：定期生成对话摘要替换原始内容
优点：显著减少 token 使用
缺点：细节丢失，可能影响后续回答质量

原理：用 claude code 标记关键记忆点
优点：平衡记忆保留和 token 消耗
缺点：实现复杂度较高

def save_key_memory(conversation, memory_text):
    """
    使用 claude code 格式保存关键记忆

    参数:
        conversation: 当前对话列表
        memory_text: 需要保存的记忆文本
    """memory_tag = f"<memory>{memory_text}</memory>"conversation.append({"role":"system","content": memory_tag})

def clean_context(conversation, max_tokens=80000):
    """
    智能清理上下文窗口

    参数:
        conversation: 当前对话列表
        max_tokens: 最大允许 token 数
    """
    # 1. 计算当前 token 数
    current_tokens = sum(len(msg['content']) for msg in conversation) 

    # 2. 如果未超限则直接返回
    if current_tokens <= max_tokens:
        return conversation

    # 3. 优先保留带 <memory> 标记的内容
    preserved = [msg for msg in conversation 
                if '<memory>' in msg['content']]

    # 4. 补充最近的对话保持连贯性
    recent = conversation[-10:]  # 保留最后 10 条

    return preserved + recent