Claude API 上下文編輯與服務端壓縮怎麼用:Context Editing 與 Compaction 省 token 做法

多步智能體循環跑十幾輪後上下文就被舊工具返回和思考塊塞滿?本文按官方文檔講清 Context Editing(清理舊 tool_result 與 thinking)和服務端 Compaction(自動摘要壓縮)的參數配置與緩存配合技巧。

NNathaniel bigo··原創首發·AI 輔助撰寫
13 分鐘讀完
資料核對於 2026-11-18 · 依據官方文檔與公開資料整理 其他 帳號

結論先說

  1. Context Editing(上下文編輯)負責「定點清舊垃圾」:在請求到達模型前,由服務端自動把早期臃腫的 tool_result(如幾千行的舊文件讀取、舊搜尋結果)或舊輪次的 thinking 思考塊替換成輕量佔位,客戶端本地仍可保留完整原始日誌。
  2. Compaction(服務端壓縮)負責「整段濃縮歷史」:當多輪長對話整體逼近窗口閾值時,服務端自動把早期對話輪次壓縮成一段高保真摘要塊(compaction block),讓單次任務能跨越單窗口限制持續跑下去。
  3. 兩者不是二選一,而是分層配合:日常工具密集循環先靠 Context Editing 削掉水分,再搭配 Memory Tool 把關鍵事實落盤,最後用 Compaction 給超長會話兜底。
  4. 注意和提示詞緩存(Prompt Caching)算總帳:每次修改早期歷史都會讓改動點之後的緩存失效重算,務必合理設定單次最小清理量(如 clear_at_least),攢夠一批再集中清理。
  5. 國內免卡開通與帳號服務入口:自有帳號免上號自助開通可見本站 Claude Pro 充值頁 與 Claude Max 充值頁;缺可用帳號或遇身份核驗可查看 Claude 註冊說明 與 Claude KYC 認證協助。

Claude API 三種長上下文管理機制對比

圖:本站根據 Claude 官方文檔:Context editing 與 Compaction 整理的示意圖

本文根據 Claude 開發者平台官方文檔《Context editing》《Compaction》整理,資料核對於 2026-11-18。配圖為本站整理的示意圖,不是介面截圖。本站(bigolab.com)不是 Anthropic 官方網站。

適用於誰

  • 搜「claude api context editing」「claude api compaction 壓縮」,發現智能體跑二三十輪後輸入 token 帳單翻倍或報超出窗口上限(400 / 413)的開發者;
  • 不想在自己後端手寫容易丟上下文的截斷和摘要拼接邏輯,希望直接用 Anthropic 服務端原生瘦身參數的人;
  • 開啟了擴展思考(Extended thinking)與網頁搜尋、文件讀取後,想弄清什麼時候該「定點清垃圾」、什麼時候該「整段做摘要」的架構師。

如果你是在本地用官方命令行編程工具遇到上下文滿了,可以直接看終端裏的現成命令指南 /guides/claude-code-context-compact;本文專講後端開發者調用 Messages API 時的服務端控制方案。

一、Context Editing:自動清理陳舊工具結果與思考塊

在長週期搜尋或寫代碼循環裏,最佔地方的往往不是用戶說的那幾句話,而是十輪前早就消化完的原始網頁正文、終端構建日誌以及歷史推理過程(擴展思考基礎用法見 /guides/claude-api-extended-thinking)。

通過傳入請求頭 context-management-2025-06-27 並配置 context_management.edits,可以讓服務端按規則自動裁剪這兩類膨脹源:

  • clear_tool_uses_20250919:當輸入 token 達到觸發閾值時,從最老的輪次開始清理 tool_result 的大段內容(保留調用發生過的結構佔位),同時原樣保留最近幾輪的工具輸出供當前推理使用,還可通過 exclude_tools 排除像 "memory" 這類不希望被清掉的工具;
  • clear_thinking_20251015:清理更早歷史輪次裏的 thinking 塊,只保留最近幾個助手回合的思考內容以維持推理連貫度。

按官方文檔整理的 Python SDK 配置示例:

python
import anthropic

client = anthropic.Anthropic()

response = client.beta.messages.create(
    model="claude-opus-5-5",
    max_tokens=4096,
    betas=["context-management-2025-06-27"],
    tools=[{"type": "web_search_20250305", "name": "web_search"}],
    context_management={
        "edits": [
            {
                "type": "clear_thinking_20251015",
            },
            {
                "type": "clear_tool_uses_20250919",
                "clear_at_least": {"type": "input_tokens", "value": 10000},
            },
        ]
    },
    messages=conversation_history,
)

需要同時啟用兩條策略時,按官方規範應把 clear_thinking_20251015 排在 clear_tool_uses_20250919 前面。響應返回後,你可以從 response.context_management 元數據字段裏直接讀出本次一共替你清掉了多少輸入 token。

二、Server-side Compaction:跨窗口超長會話的服務端摘要

即便清掉了大體積工具結果,如果一段代碼重構或複雜排障來回聊了上百輪,純對話本身也會逼近上下文天花板,還會引發「中間資訊遺忘(Context rot)」。服務端壓縮(Compaction)把過去要靠開發者自己寫副提示詞做總結的髒活搬到了 API 內部,常見有兩種調用姿勢:

  1. 按閾值自動觸發壓縮:在 context_management.edits 中配置壓縮策略(如 compact_20260112 並攜帶對應 Beta 標識),設定輸入 token 觸發線(例如達到 10 萬或 15 萬 token 時啟動)。一旦越線,服務端先生成濃縮摘要塊再繼續回答本輪問題;
  2. 按需主動觸發壓縮(On-demand):攜帶 compact-2026-09-04 等對應 Beta 頭並在請求中顯式傳入 compaction 參數(如 {"type": "summarize"}),由你的業務代碼在階段性任務交接點主動發起一次乾淨的歸檔壓縮。
python
# 將上一輪含 compaction 塊的完整 response.content 追加回歷史即可
conversation_history.append({
    "role": "assistant",
    "content": response.content,
})

它的多輪銜接非常省心:當服務端完成一次壓縮後,返回的 response.content 中會包含一個專門的 compaction 內容塊。你下一輪只需要照常把 response.content 追加回 messages 數組發出去,API 服務端收到後會自動忽略該 compaction 塊之前的所有舊消息,直接從這段摘要往後讀。

Claude 會員充值與成品號提示:國內銀行卡在結帳頁被拒時,可通過本站支付寶、微信支付或 AlipayHK 獲取 iOS 訂閱卡密自助開通 Claude Pro 或高配額 Claude Max(全程無需上號交密碼);需要現成帳號可了解 Claude Pro 成品號 與 Claude Max 5x 成品號(注:Anthropic 消費者條款禁止共享轉讓帳號且違規可終止無退款,成品號均明確標註不質保封號)。

三、長循環省錢與防失憶實戰選型

長循環省 token 策略選型與緩存調優

圖:本站根據 Claude 官方文檔:Context editing 與 Compaction 整理的示意圖

想既省錢又不讓模型丟掉關鍵業務約束,建議照着下面三條工程經驗落地:

  • 避免每輪擠牙膏式清理破壞緩存:如果每多幾百個 token 就刪一條舊消息,歷史消息前綴每一輪都在變,反而吃不到 90% 折扣的緩存讀取價。設好 clear_at_least(例如每次至少清掉上萬 token),平時靠緩存低價複用,攢大了再一次性裁剪,總帳最划算(發請求前預估體積可用 /guides/claude-api-count-tokens);
  • 清之前先提醒模型記筆記:當同時掛載記憶工具時,服務端會在接近清理閾值前提醒模型把重要發現寫進 /memories 文件,這樣舊的原始搜尋頁被清掉也不會丟結論;
  • 個人終端開發直接用現成自動壓縮:如果你不是在寫企業後端服務,而是自己日常寫代碼怕按量 API 帳單失控,直接用內置了自動壓縮與閒置壓縮機制的 Claude Code(參考 /guides/claude-code-idle-compaction-long-conversation-away)配合固定月費的 Claude Max 訂閱充值 會省心得多。

常見問題

問:開啟 Context Editing 後,我客戶端自己儲存的 conversation_history 數組會被改掉嗎?

答:不會。裁剪動作只發生在 Anthropic 服務端當次推理管線內部,你本地維護的原始對話數組完好無損,仍然可以原樣落庫留作審計或前端回放。

問:服務端生成 Compaction 摘要本身要收 token 費嗎?

答:要按標準模型費率計費。觸發壓縮的那一輪,服務端需要讀取待壓縮的歷史消息並生成摘要文本,這部分消耗會體現在返回結果的 usage 統計(含迭代明細)裏,但換來的是後續幾十輪每次都少付十幾萬輸入 token。

問:報 400 錯誤提示不識別 context_management 字段怎麼辦?

答:先檢查兩處:一是確認走的是 client.beta.messages.create 並正確傳入了對應的 betas 列表;二是核對當前調用的模型型號是否在官方文檔頂部的支持名單內(通常要求較新的 Sonnet / Opus 4.x 及 5.x 系列模型,報錯排查見 /guides/claude-api-error-codes)。

問:人在國內沒有外幣信用卡,怎麼訂閱或升級 Claude 付費套餐?

答:可在本站 AI 會員充值總覽頁 選擇 Claude Pro 自助充值 或 Claude Max 充值,付款後即時發卡密、24 小時自助兌換且可開具增值稅發票;實時價格與售後邊界(含封號不質保)以商品頁當天展示為準。

相關教學

參考資料

  • Claude 開發者平台文檔:Context editing — https://platform.claude.com/docs/en/build-with-claude/context-editing
  • Claude 開發者平台文檔:Compaction — https://platform.claude.com/docs/en/build-with-claude/compaction

Nathaniel 的更多內容

  1. 01

    獨立開發者用 ChatGPT + Codex 跑通產品全流程:市場驗證、PRD、原型到代碼上線覆盤清單

    單人做獨立產品最容易陷入「閉門寫兩個月代碼上線零用戶」或「AI 寫到一半目錄越改越崩」。本文整理「ChatGPT 負責市場驗證、PRD 與覆盤 + Codex 負責工程實現與測試」的五階段雙軌流程,附起手提示詞與 7 項上線覆盤清單。

    ChatGPTCodex0
  2. 02

    用 ChatGPT 批量生成規範文件命名規則、整理混亂目錄樹與合併零散發票抬頭清單腳本

    面對滿桌面的「新建文件夾」「最終版2」和上百張零散電子發票,手工改名抄台帳耗時又容易漏重。本文分享先脫敏取樣、再用 ChatGPT 生成帶預演和回滾日誌的本地 Python 腳本,離線安全完成目錄整理與發票抬頭合併去重的實戰流程。

    ChatGPT0
  3. 03

    用 ChatGPT 做海外電郵營銷(EDM)受眾分層文案、A/B 主題行測試與防進垃圾箱自檢

    做海外獨立站或出海 SaaS 電郵營銷(EDM),最怕千人一面群發被直接送進垃圾箱。本文結合 Gmail/Yahoo 批量發件人規範,梳理用 ChatGPT 設計受眾分層文案、批量生成 A/B 主題行矩陣並開展發前垃圾詞與合規自檢的實戰提示詞。

    ChatGPT0
  4. 04

    用 ChatGPT 寫 Notion Formula 2.0 公式、Obsidian Dataview 查詢與 Airtable 自動化腳本

    給 Notion 數據庫寫多條件 Formula 2.0 公式、給 Obsidian 寫 Dataview 動態看板,或在 Airtable 裏寫自動化腳本,經常因為一個小括號或類型不匹配報錯半天。本文整理三大工具的通用上下文喂料規範與三套直接可複製的生成提示詞。

    ChatGPT其他 AI 工具0
  5. 05

    用 ChatGPT 處理複雜 JSON / YAML / XML 字段映射、格式轉換與校驗規則編寫實戰

    對接第三方 API、遷移 Kubernetes 配置或解析政企 XML 報文時,手工對照幾百行嵌套字段既慢又容易漏掉空值與類型邊界。本文整理用 ChatGPT 完成字段映射表梳理、生成確定性轉換腳本以及編寫 JSON Schema / Pydantic / XSD 校驗規則的實戰流。

    ChatGPT其他 AI 工具0
  6. 06

    用 ChatGPT 準備本科/碩士畢業論文答辯:提煉答辯 PPT 結構、模擬導師犀利追問與 3 分鐘自述稿

    畢業論文寫完後,要在 3–5 分鐘內講清研究價值並頂住答辯評委的連環追問並不輕鬆。本文整理在嚴格遵守高校學術規範的前提下,用 ChatGPT 提煉答辯 PPT 結構、打磨 3 分鐘口語自述稿並開展模擬導師犀利追問的排練流程與提示詞。

    ChatGPT0

同產品的其他教學

  1. 01

    Anthropic Contextual Retrieval(上下文增強檢索)是什麼、怎麼實現:給文檔塊自動補背景摘要結合緩存降失誤率

    長文檔切成小塊後丟了公司名、年份和主語指代導致 RAG 頻頻搜錯?本文按 Anthropic 官方技術文章詳解 Contextual Retrieval 原理、官方公開評測失誤率下降 49% 至 67% 的組合架構,以及用 Claude 提示詞緩存低成本批量生成切片背景的完整 Python 代碼。

    Claude其他 AI 工具0
  2. 02

    RAG 知識庫回答不準怎麼調優:切片大小(Chunking)、BM25 + 向量混合檢索與 Rerank 重排序三步排查法

    搭好的 RAG 企業知識庫一問具體型號、報錯碼或跨行表格就答非所問?本文按 OpenAI 與 Anthropic 官方檢索文檔,給出先隔離檢索與生成故障、再按結構化切片(Chunking)、BM25 加向量混合召回(RRF)與 Rerank 重排序逐層調優的三步法。

    Claude其他 AI 工具0
  3. 03

    Langfuse 開源本地部署(Docker Compose)與提示詞版本管理(Prompt Management)從零上手教學

    企業內網嚴禁業務日誌出境,又想免費擁有大模型調用鏈追蹤與不發版熱更新提示詞的能力?本文按 Langfuse 官方文檔整理 Docker Compose 本地一鍵啟動(含 ClickHouse 架構注意事項)、密鑰配置與 Prompt Management 標籤化版本管理全流程。

    Claude其他 AI 工具0
  4. 04

    LangSmith 入門教學:給 LangGraph 與原生 OpenAI / Claude 接口加調用鏈追蹤、Token 成本統計與免費層限額

    智能體多步調用總是找不到哪一輪提示詞跑偏、單次請求到底燒了多少 Token?本文按 LangSmith 官方文檔講清環境變量零侵入接入 LangGraph、用 wrap_openai / wrap_anthropic 與 @traceable 追蹤原生接口,以及 Developer 免費層額度與留存規則。

    Claude其他 AI 工具0
  5. 05

    Zotero 搭配 Claude / ChatGPT 高效讀英文文獻:PDF 翻譯插件、批註導出精讀與防捏造參考文獻流程

    在 Zotero 裏讀英文頂會論文怎麼無縫聯動 Claude 與 ChatGPT?本文整理 Translate for Zotero 劃詞翻譯配置、高亮批註導出精讀提示詞,以及杜絕 AI 捏造假 DOI 參考文獻的核驗閉環。

    Claude其他 AI 工具0
  6. 06

    Obsidian 接入 Claude、ChatGPT 與本地 Ollama 做個人雙鏈筆記問答:主流插件配置與私隱脫敏邊界

    想在 Obsidian 裏基於自己的雙鏈筆記庫做 AI 問答又擔心私隱外泄?本文對比 Copilot 與 Smart Connections 插件,整理接入 Claude、OpenAI 官方 API 與本地 Ollama 的步驟及敏感目錄隔離規則。

    Claude其他 AI 工具0

0 條評論

登入 後參與評論

還沒有評論,來搶沙發~