上下文经济学（Context Economics）

概述

上下文经济学是管理 AI 辅助开发中 上下文窗口 资源的哲学框架，核心原则是把有限的注意力预算用在最重要的信息上，通过持久化知识积累和噪声控制来实现可预测的工程协作。

关键内容

1. 核心约束：LLM 在上下文填满时性能下降——这是所有最佳实践的底层驱动力。单次调试会话或代码库探索可能消耗数万 token，上下文填满时 Claude 开始"遗忘"早期指令，无关上下文积累会干扰重要指令。

2. 四大支柱：

3. 持久化：通过 CLAUDE.md 积累跨会话知识，避免每次重复输入相同约定
4. 噪声控制：通过 /clear 和 子 Agent 模式（Sub-Agent Pattern） 隔离无关上下文
5. 验证机制：提供测试、截图、预期输出作为成功标准，减少反复纠错的 token 消耗

6. 工作流分离：通过 探索-规划-编码工作流 将研究与实现分离，精确控制每个阶段的上下文内容

7. 经验法则：

8. 同一问题纠错 2 次以上 → 清理上下文，重写更精确的 prompt
9. 探索导致 Claude 读取大量文件 → 用子 Agent 隔离探索上下文

10. CLAUDE.md 过长 → 定期精简，保留高杠杆规则

11. 常见失败模式：

12. 厨房水槽会话：在一个会话中混合无关任务，导致上下文污染
13. 反复纠错：同一问题纠错多次，上下文已腐化，应清空重来
14. CLAUDE.md 过度膨胀：重要规则被噪声淹没
15. 相信验证间隙：产出看似正确但实则有问题的实现

16. 无边界探索：要求调查而无范围限定

17. 与 注意力预算 的关系：注意力预算是更广泛的人因概念，上下文经济学是其在 LLM 工程中的具体化——将"注意力"量化为 token，将"预算"量化为上下文窗口容量。

来源

• 08_claude_code_best_practices.md — Anthropic 官方 Claude Code 最佳实践指南

相关

• 上下文窗口 — depends_on（上下文经济学建立在窗口约束之上）
• CLAUDE.md — extends（CLAUDE.md 是持久化策略的核心组件）
• 上下文压缩 — relates_to（压缩是控制上下文大小的关键操作）
• 子 Agent 模式（Sub-Agent Pattern） — relates_to（隔离是噪声控制的核心手段）
• 探索-规划-编码工作流 — extends（工作流分离是上下文经济学的方法论体现）
• 注意力预算 — compares_to（人因概念在 LLM 工程中的具体化）