rich-1e

Context 优化记录

⚠️ Suggestions 提醒

大量冗余的MCP

毫无作用的Agent

以及用不上的Skills

Skills 实在太多就不一一截图。

核心优化以下几条：

/compact 不要盲目压缩，带参数。Claude 会把冗长繁琐的聊天、报错日志、排错过程打包压缩成一段极简的结构化摘要，删掉废话，仅保留当前任务的上下文状态，瞬间释放几十 KB 的空间。
/skills 关闭不用的skills
/mcp 关闭不用的mcp
/memory 编辑CLAUDE.md文件，写好当前的会话要求、运行时建议和一些特殊处理的注意事项。e.g. Suggestions 中提到Bash操作占用了大量的token，那么可以限制Bash操作或者使用子代理进行
/clean 开启新的会话
/btw 创建一个一次性的临时分支对话，Claude 回答完后，这个对话不会被存入主干的上下文 history 中，减少Token 消耗

Claude

Claude Code 若干使用体验

最开始很喜欢Cursor的开发体验，感觉所见即所得：

可以非常快速的选中代码，然后扔给它解决；
也可以截图，然后交给它生成UI；
每一个步骤都可以反复修改，不用记命令，直接GUI上操作；
...

看着Cursor自动化操作，有一种赏心悦目的感觉。

不过，体验Claude Code之后，这些发生变化。

我不再纠结是否拥有GUI，只看重结果和推理过程中产出的东西是否有价值。

Claude Code做得很好，至少目前看来很强。

我主要做前端开发，经常需要与UI界面打交道，

如果AI不能自主识别UI，会给我造成非常大的困扰。

所以，普通的文本模型基本对我没啥用。

至少是，多模态模型，支持文本/图像/视频，并且还能推理和编程。

不得不说，开源大模型与商业模型还有差一段路。

绝大多数开源大模型仅仅是文本模型，或者是某种单一模型，只支持图像或视频，无法支持多模态工作。

零星有一些支持多模态的开源模型，性能较普通，根本不能用来工作生产。

并且，这些模型的部署条件，对硬件要求颇高，不是普通开发者能消费。

回到Claude Code这里来，这是目前验证过，能支持工作生产的AI工具。

Claude Code严格意义上说，是一个Agent。其背后的官方大模型有：

claude-sonnet
claude-opus

以上是经常用的，4.6/4.7都不错。绝大部分情况下优先使用sonnet，遇到复杂问题要么opus，要么自己思考。

Claude Code也支持其他厂商的模型，具体有什么要求，暂时不得而知。

总之，那些性能低、不具备多模态的模型，是不能接入到Claude Code。

...

先聊这么多，我再想想有什么可说的。

Claude

Claude Code 配置说明

Ref

Claude

Claude Code vs Cursor vs Cline vs Codex，究竟如何选？

对于编程模型，我一点都不困惑：

编码 Claude / ChatGPT-4o
日常问题 ChatGPT、豆包、元宝、Deepseek
本地部署 Ollama + Qwen / Deepseek

以上基本够用。

工作中使用 AI 辅助编程，最开始接触的是 Cursor，然后是 Cline。

Claude Code 反而是最后使用的，但是使用了几次之后，
发现有些时候比 Cursor 和 Cine 更顺手。

可能是因为 Rule 的原因吧，它们有一些差异，变动也比较大。

Cline 里面不单有 Rule，还有 Workflow 的概念。

Claude Code 和 Cursor 估计也有，可能叫法不一样。

现在这几个AI工具，只有 MCP 和 Skill 是统一的，其他东西都有一点区别。

用起来费劲，想着只使用一个就好了。

可能用的时间还太短了吧，需要多看看官方文档和学习。

Ref

Claude Cline Cursor