上下文预算管理（Context Budget Management）

概述

上下文预算管理是在编写 CLAUDE.md 等 Agent 提示词时，预先估算各部分 token 消耗并确保总量在安全范围内的策略，目标是保持上下文使用量在 50-55% 以下，留出充足的安全缓冲区避免进入 Dumb Zone。

关键内容

1. 理想的 CLAUDE.md 上下文预算（模型 ~200k context）： | 组件 | Tokens | 占比 | |------|--------|------| | CLAUDE.md 固定内容 | ~5,000 | 2.5% | | prd.json（当前状态） | ~15,000 | 7.5% | | progress.txt | ~3,000 | 1.5% | | AGENTS.md | ~2,000 | 1.0% | | 实现过程中的工具调用结果 | ~50,000 | 25% | | 代码文件读取 | ~30,000 | 15% | | 小计 | ~105,000 | 52.5% | | 安全缓冲区 | ~95,000 | 47.5% |

2. 优化 prd.json 大小：随着 stories 增加，prd.json 会越来越大。两种解决方案：

3. 方案 A：只加载未完成的 Story，用脚本过滤 passes: false 的条目，只展示前 10 个

4. 方案 B：在 CLAUDE.md 中用脚本动态加载，而非 @prd.json 全量引用

5. 与 注意力预算 的关系：上下文预算管理是注意力预算概念的具体量化实践。通过预先估算各组件的 token 消耗，确保 Agent 在执行过程中有足够的注意力资源用于推理和决策。

6. 动态调整：不同类型的任务需要不同的预算分配。Coding Agent 场景应减少 Retrieved Evidence，增加 Working Memory + Tool Delta 的比例。

来源

• raw/articles/ai-tools/ralph-loop/context-strategies.md — Context Strategies 文档中的策略五

相关

• 上下文策略 — part_of（上下文预算管理是六大上下文策略之一）
• 注意力预算 — implements（注意力预算的量化管理实践）
• Context-Engineering — implements（Token 预算分配的具体实现）
• Dumb Zone — relates_to（预算管理旨在避免进入 Dumb Zone）
• Ralph Loop — implemented_by（Ralph 通过控制 prd.json 大小实现预算管理）