阿峰老師 AI 實戰筆記

  • 首頁

    • ›

    Claude Code 進階：你可能不知道的六層架構與上下文管理術

    ·

    ·

    ✍️ 阿峰老師

    # Claude Code 進階：你可能不知道的六層架構與上下文管理術

    > 本文是社群貼文的完整延伸版。

    社群版講了核心觀念，本文加上獨家深度分析和操作指南。

    —

    重點回顧

    多數人把 Claude Code 當成高級聊天視窗，丟問題等回答。但它其實是一套完整的代理系統，背後有六個層次在同時運作：上下文層、行動層、控制層、驗證層、執行循環，以及你這個操作者。

    問題從來不在 AI 不夠聰明，而在你餵給它的上下文品質。200K 的上下文視窗聽起來很大，但固定開銷、MCP 工具定義、設定檔加起來，實際可用空間可能只剩 160K-180K。

    這篇文章帶你從底層理解 Claude Code 的運作機制，並給出可以馬上執行的優化策略。

    —

    【獨家】上下文分層管理實戰指南

    社群貼文提到了「上下文是最重要的系統約束」，這裡我把在企業培訓現場教的完整分層框架攤開來講。

    五層上下文策略

    我把 Claude Code 的上下文管理分成五個層次，每一層有不同的載入時機和適用場景：

    層次 載入時機 放什麼 Token 佔用
    始終常駐 每次對話自動載入 CLAUDE.md（build 指令、目錄結構、風格規範、NEVER 清單） 控制在 2,000-5,000
    路徑觸發 進入特定目錄時載入 rules/ 資料夾下的規則檔，不同專案不同規則 按需，通常 500-2,000
    按需載入 手動呼叫或自動偵測 Skills（標準化工作流程、品質檢查清單、領域專家決策框架） 每個 Skill 1,000-3,000
    隔離載入 委派子任務時 Subagents（大型掃描、測試、搜尋）——輸出不回到主對話 不佔主對話上下文
    完全不進上下文 背景觸發 Hooks（pre-commit 檢查、格式化、安全掃描） 0 tokens

    實際操作：怎麼從「全部塞進 CLAUDE.md」到「分層管理」

    很多人一開始會把所有規則都寫進 CLAUDE.md。三個月後，這個檔案長到三千行，每次對話 Claude 都要先消化這堆東西。

    遷移步驟：

    第一步：打開你的 CLAUDE.md，把超過 100 行的部分標記出來。

    第二步：按用途分類。每天都用的留在 CLAUDE.md，特定專案才用的搬到 rules/ 資料夾，標準化流程做成 Skills。

    第三步：檢查你的 MCP Server 清單。用 `/context` 指令查看每個 Server 佔多少 tokens。不是每天都用的，考慮拔掉或用 Tool Search 延遲載入。

    第四步：把「絕對不能違反」的規則從 CLAUDE.md 搬到 Hooks。CLAUDE.md 的遵守率大約 70%，Hooks 是 100%。

    我在培訓現場看到的典型錯誤

    錯誤一：把整份 API 文檔貼進 CLAUDE.md。Claude 不需要你在設定檔裡放文件，它可以自己去讀檔案。你應該放的是「API 文件在 docs/api.md，修改 API 相關程式碼時先讀這個檔案」這樣的指引。

    錯誤二：寫「請產出高品質的程式碼」。這是空泛原則，Claude 不知道你的「高品質」標準是什麼。你應該寫具體的：「函式不超過 30 行」「每個 public method 要有 JSDoc」「錯誤處理用 Result pattern 不用 try-catch」。

    錯誤三：NEVER 清單太長。如果你有超過 10 條 NEVER 規則，Claude 的注意力會被稀釋。只留最容易犯錯且後果最嚴重的前五條，其他用 Hooks 強制。

    —

    【獨家】MCP 瘦身實戰：從 25,000 tokens 降到 5,000

    MCP（Model Context Protocol）是 Claude Code 連接外部工具的協議。每個 MCP Server 的工具定義會被注入到上下文的固定開銷中，包含工具名稱、描述、完整的 JSON Schema 參數定義。

    數學很簡單

    一個中等複雜度的 MCP Server（像 GitHub）大概有 8-12 個工具，每個工具的 Schema 定義佔 400-600 tokens。一個 Server 總共就是 4,000-6,000 tokens。

    你接了五個 Server：GitHub + Slack + Linear + Notion + Database = 25,000 tokens。

    200K 上下文的 12.5%，還沒開始工作就沒了。

    瘦身策略

    策略一：盤點使用頻率。過去一週每個 MCP Server 你實際用了幾次？如果一週用不到三次，考慮拔掉，需要時再接上。

    策略二：善用 Tool Search。Claude Code 最新的 Tool Search 功能（延遲載入）可以把 MCP 的上下文佔用降低 47%。原本 51K tokens 的工具定義降到 8.5K。這個功能是自動的，但前提是你的 MCP Server 數量不要太誇張。

    策略三：合併同質 Server。如果你有三個不同的資料庫 MCP Server，考慮合併成一個統一的資料層。

    一個真實案例

    有一家電商公司的開發團隊接了 8 個 MCP Server，上下文固定開銷超過 40,000 tokens。我們花了一個下午做瘦身：

  • 拔掉 3 個很少用的（Figma、Confluence、Jira——他們實際上用 Linear）
  • 2 個資料庫 Server 合併成 1 個
  • 剩下 4 個，搭配 Tool Search

    • 結果：固定開銷從 40,000 降到 8,000 tokens。團隊反映 Claude 的回答品質和速度都明顯提升。

    —

    【獨家】Prompt Caching 省錢攻略：三條規則砍半帳單

    Prompt Caching 是 Claude Code 的底層架構核心，但多數使用者完全不知道它的存在。簡單說：Claude Code 會把對話中重複出現的前綴（系統 Prompt、工具定義、之前的對話歷史）快取起來，下一輪對話時直接從快取讀取，不用重新計算 token 費用。

    省多少？

    場景 無快取 有快取 節省
    長對話（100 輪 + 壓縮） $50-100 $10-19 40-50%
    一般開發（20-30 輪） $8-15 $3-6 50-60%

    三條必守規則

    規則一：不要中途切模型。 快取是按前綴匹配的。你從 Sonnet 切到 Opus，整個前綴變了，快取全部失效。那一輪的費用直接乘以五倍。如果你開始用 Opus，就一路用到底。需要省錢的任務，開新對話用 Sonnet。

    規則二：不要中途增刪 MCP 工具。 工具定義是系統 Prompt 的一部分，改了就等於改了前綴。

    規則三：動態資訊不要放在系統 Prompt。 有些人會在 CLAUDE.md 裡放當前時間、最新版本號之類的動態資訊。每次這些值變動，快取就失效。改用 `` 標籤放在使用者訊息裡，不影響系統 Prompt 的前綴。

    怎麼知道快取有沒有生效？

    用 `/context` 指令。它會顯示目前的 token 佔用結構，包含快取命中率。如果你發現某一輪的費用突然暴增，很可能是快取失效了，回頭檢查是不是觸犯了上面三條規則。

    —

    阿峰觀點

    我帶過超過 400 家企業導入 AI 工具，從最小的三人新創到千人的上市公司。一個共通的發現是：工具的天花板不在工具本身，在使用者怎麼管理上下文。

    Claude Code 的六層架構模型給了我們一個很好的思考框架。大多數人只在「行動層」下功夫（裝更多工具、接更多 MCP），卻忽略了「上下文層」和「控制層」才是決定效能的關鍵。

    就像 Tw93 說的：「假如一個任務你都說不清楚 Claude 怎麼才算做對了，那它大概率也不適合直接丟給 Claude 自動完成。」

    這句話的潛台詞是：在你按下 Enter 之前，先問自己——我給 Claude 的上下文，足夠讓它做出正確判斷嗎？

    如果你這個週末有空，花三十分鐘做三件事：

    1. 把 CLAUDE.md 砍到 100 行以內 2. 用 `/context` 檢查你的 MCP 上下文佔用 3. 把至少一條關鍵規則從 CLAUDE.md 搬到 Hooks

    下週一上班，你會感覺 Claude Code 像是換了一個人。

    —

    本文提到的資源

    工具/資源 說明
    Claude Code Anthropic 的 AI 程式開發代理
    CLAUDE.md Claude Code 的專案設定檔
    MCP（Model Context Protocol） AI 工具連接外部服務的開放協議
    Prompt Caching Claude API 的快取機制，自動節省重複 token 費用
    Tool Search Claude Code 新功能，延遲載入工具定義，降低 MCP 上下文佔用
    Tw93 原文 X/Twitter 長推文：Claude Code 架構與工程實踐

    —

    如果你是老闆或 HR，想帶團隊導入 AI，歡迎到官網聯繫阿峰老師。 → https://www.autolab.cloud

    —

    關於作者

    黃敬峰（AI峰哥），企業 AI 實戰培訓專家，400+ 企業合作、10,000+ 學員。 核心心法：「會用、懂用、好用、每天用」 官網：https://www.autolab.cloud

    SEO:

  • Meta Title：Claude Code 進階：六層架構與上下文管理術 | 阿峰老師
  • Meta Description：Claude Code 不是聊天機器人，是六層代理系統。從上下文分層、MCP 管理到 Prompt Caching，完整解析從「會用」升級到「用得好」的關鍵實踐。
  • Tags：#AI #ClaudeCode #上下文工程 #MCP #開發工具
  • Target Keywords：Claude Code 教學, CLAUDE.md 寫法, MCP 上下文, Prompt Caching, AI 開發工具

    • 📬 訂閱阿峰老師的 AI 實戰電子報

    每週精選 AI 工具技巧、產業趨勢、實戰案例，直送你的信箱。

    🔗 追蹤阿峰老師

    👨‍🏫 阿峰老師

    台灣最懂企業 AI 落地的實戰教練。400+ 企業培訓經驗，專注 AI 工具教學、企業 AI 轉型、AI Agent 建置。

    了解更多 → ｜ 📧 聯繫