00:00:00Claude Code 于去年 5 月 22 日正式发布，同时推出的还有 Claude 3.5。
00:00:06但在那之前还有一个研究预览版，所以我使用这个工具
00:00:11已经一年多了。我实际计算了一下，
00:00:15如果算上我提示 Claude、审查代码和监控的所有时间，我使用这个工具的时间
00:00:21已经超过 2000 小时了。所以，我确实有些经验可以教给你。这就是我在这段视频中想做的。
00:00:27现在，我想和大家分享我所有的实战策略，它们将带你
00:00:31从一名初级 Claude Code 用户成长为一名高级用户。我把所有内容打包成了
00:00:37我称之为 WISC 的框架。重点是，这些策略非常靠谱。我不是那种
00:00:43在过去几个月里才开始跟风使用 Claude Code 的 AI 内容创作者。就像我说的，
00:00:48我每天使用这个工具已经一年多了。因此，这些策略将适用于
00:00:54任何代码库，甚至是庞大的代码库，或者是包含多个代码库的项目。我已经看到这些策略
00:01:00在企业级项目中得到应用，所以无论你在做什么，这都适合你。这也
00:01:05适用于任何 AI 编程助手。我只是把重点放在 Claude Code 上，因为它是目前最好的。
00:01:10我假设你已经对 Claude Code 有了初步的了解，现在
00:01:15想要进阶。如果你想了解构建 AI 编程系统的基础知识，
00:01:21我会在这里链接一段相关的视频。我们所有的这些策略，
00:01:25都是为了处理那些变得杂乱的真实代码库，因为我们有一系列关于
00:01:32上下文管理的策略。这非常重要，因为“上下文腐烂”是目前 AI 编程助手
00:01:38面临的最大问题。即便 Claude Code 现在有了 100 万令牌的限制，我们
00:01:43仍然需要将上下文视为最宝贵的资源，必须在使用 AI 编程助手时对其进行精心设计。
00:01:49WISC 框架中的 W、I、S 和 C，所有的这些策略
00:01:56都围绕这一点展开，这些都是你可以立即应用到项目中的方法。
00:02:00我会在这里为大家讲解得简单明了。现在，你可能会问，
00:02:05“Cole，为什么我们要如此关注上下文管理？在使用 Claude Code 超过 2000 小时后，
00:02:11这就是你想关注的重点吗？”我的回答是：没错。我知道这非常具体，
00:02:17但我们现在需要直面上下文腐烂以及如何避免它。我甚至敢说，
00:02:23大约 80% 的情况下，当你的编程智能体在代码库中出错时，都是因为
00:02:28你没有管理好上下文。所以，我想从上下文腐烂的问题开始谈起，
00:02:33然后很快就会进入实践环节，深入探讨 WISC 框架的每一部分。但我首先想
00:02:38以上下文腐烂作为前序，这样你就能真正明白其中的原因。一旦你应用了 WISC 框架，
00:02:45即使是在杂乱的代码库上，你也能立即看到 AI 编程可靠性的飞跃。
00:02:50我一直强调更大、更杂乱的代码库，是因为在这些地方，上下文腐烂
00:02:56会成为一个越来越严重的问题。现在，行业内关于上下文腐烂
00:03:02已经有了很多研究，但我最喜欢、也是最实用且最流行的一份报告，是 Chroma 的
00:03:07技术报告，探讨了增加输入令牌如何影响大语言模型的性能。其中的核心观点
00:03:13就是，仅仅因为你可以把一定数量的令牌塞进大语言模型的上下文窗口中，并不意味着
00:03:18你应该这样做。是的，这也适用于具有 100 万令牌限制的新版 Claude Code。
00:03:24因为大语言模型和人一样，会被海量的信息淹没。这被称为
00:03:30“大海捞针”问题。当你有一条非常具体的信息，或者对于编程智能体来说，
00:03:35有一份它读过的、需要它回忆的特定文件时，它能很好地从短期记忆中
00:03:41调取出那条信息，但前提是你的上下文窗口没有被塞得满满当当。
00:03:47当你开始加载海量的上下文时，就会出现所谓的
00:03:52“干扰项”。这些信息与你需要大语言模型回忆的内容很接近或很相似，
00:03:58但并不完全准确。我们在 AI 编程中经常看到这种情况，特别是在大型代码库中。
00:04:04我们在整个代码库中遵循相同的模式，代码的不同部分
00:04:09在实现方式上有很多相似之处。因此，大语言模型会提取错误的信息，
00:04:14却对自己的修复或实现方案充满信心。我相信你一定经常遇到这种情况。
00:04:19这种“大海捞针”的问题在 AI 编程中无处不在。
00:04:24这就是上下文腐烂的概念。窗口越大，大语言模型
00:04:30就越难在当前与编程智能体的交互中，准确提取出我们需要的内容。
00:04:36回到图表，让我说得更具体一些。我们要通过
00:04:42这些策略解决的问题是：如何让我们的上下文窗口保持尽可能精简，
00:04:48同时又能给编程智能体提供它所需的所有上下文？这就是我们在这里
00:04:53要做的“上下文工程”。我会讲解每一个策略。
00:04:57我甚至为每个策略都准备了一个例子，我会带你在复杂的代码库中进行实操，
00:05:02我作为示例使用的所有命令、规则和文档，都放在这个文件夹里，
00:05:06我会把链接放在描述区。这样你不仅能从概念上理解这些策略，还能参考
00:05:12我在这个 .claude 文件夹里的这些示例命令。好了，让我们深入了解具体的策略吧。
00:05:17W 代表写入 (Write)，I 代表隔离 (Isolate)，S 代表选择 (Select)，C 代表压缩 (Compress)。
00:05:24我们首先从 W 开始，也就是写入，将智能体的记忆外置化。
00:05:30我们要尽可能捕捉关键决策和智能体一直在处理的内容，
00:05:34以便在未来的会话中，让智能体能更快地进入状态，从而花费更少的
00:05:40初始令牌让智能体理解我们的真实需求。所以，第一个策略
00:05:46是将 git log 用作长期记忆。我非常喜欢这个方法，因为
00:05:52有很多人喜欢过度设计，为他们的编程智能体构建超级复杂的记忆框架，
00:05:56但实际上每个人都已经在用 git 和 GitHub 进行版本控制了。因此，我们可以
00:06:01利用已有的工具来为智能体提供长期记忆。让我们
00:06:07进入代码库，我给你们演示一下。在接下来的所有示例中，我将使用
00:06:12全新的 Archon 平台作为代码库。过去几个月我一直在幕后拼命完善它。
00:06:18这是你的 AI 指挥中心，你可以在这里创建、管理和执行更长周期的
00:06:23AI 编程工作流。我们甚至正在开发一个工作流构建器，它就像是 AI 编程界的 n8n。
00:06:28我们可以启动工作流，在任务控制中心查看并监控日志。
00:06:33我们可以查看过去的运行记录，了解到底发生了什么。例如，这是一个非常长的
00:06:39工作流，用于验证我代码库中的整个拉取请求 (PR)。所以，你可以从
00:06:44Archon 的演示中看出（顺便说一下，更多功能即将推出），
00:06:47这里有很多移动部件。这是一个非常复杂的代码库。所以，
00:06:51它非常适合作为我接下来要讲的所有策略的示例。
00:06:57说到将 git 作为长期记忆，我在这里给你们展示一个
00:07:03查看所有近期提交信息的单行命令示例。我想强调的是，
00:07:09我们有一种非常标准的方式来创建这些提交信息。这里有合并记录，也有
00:07:13功能实现和修复记录。我之所以把这些内容标准化，是为了
00:07:19让编程智能体通过提交信息了解我最近的工作内容，因为很多时候
00:07:24这些信息会引导我们接下来的工作。我之所以能让它
00:07:29如此标准化，是因为我运行了一个提交 (commit) 命令。虽然运行 git commit 很简单，
00:07:36但如果我们想让信息标准化并让编程智能体协助我们，
00:07:40使用特定的命令会非常强大。我在这里与编程智能体在同一个上下文窗口中
00:07:46完成了整个功能的实现。现在已经到了最后阶段，我准备进行提交。
00:07:51我只需要输入 /commit 即可。它会运行这个命令，其中包含了
00:07:55我记录所有工作的标准化规范。此外，还包括我对规则或命令进行的任何改进。
00:08:01所以这是一个分为两部分的命令：‘这是我们构建的内容’，‘这是我们如何改进 AI 层的’。
00:08:06它会自动生成提交信息，稍后我给你们看看效果。
00:08:10好了。现在看看我们的提交信息，可以看到我们对 CLI 进行了一些测试改进。
00:08:14前缀非常清晰，接着是详细内容。此外，为了让编程智能体
00:08:19知道它自己的规则和命令是如何随时间演进的，每当我们发现改进机会时，
00:08:23我们都会在提交信息中包含这些内容，比如我们的 plan 命令。当然，
00:08:29这个 commit 命令也是我为你提供的仓库资源之一。如果你想以此
00:08:33为起点，我也非常鼓励你自定义你的提交信息格式。
00:08:37最重要的一点是：我们要标准化信息。我们要让它尽可能详细，以便用作长期记忆。
00:08:41第二个‘写入’策略是：在编写任何代码之前，
00:08:47始终开启一个全新的上下文窗口。无论我处理什么任务，
00:08:53我的工作流总是：先和编程智能体进行一次对话来制定计划。我会创建一个
00:08:57包含结构化计划的 Markdown 文件。然后，我会将该文件作为唯一上下文
00:09:03发送给执行实现的全新会话。因此，你的规格说明 (spec) 必须包含
00:09:08智能体编写代码和进行验证所需的全部上下文。例如，在这次对话中，
00:09:14我只做规划。我会先运行 prime 命令启动。稍后我会详细解释。
00:09:18我加载上下文，然后用这个命令创建计划。这是我为你提供的
00:09:24另一个资源。它本质上是引导编程智能体：‘这是我们想要为
00:09:28单一 Markdown 文档创建的精确结构。’将我们的短期记忆
00:09:33整合到一个文档中。然后我们结束当前会话。进入一个新的上下文窗口
00:09:38并开始实施。我运行我的 execute 命令。然后我可以在这里
00:09:42指定结构化计划的路径。不需要其他上下文，因为这个文件已经包含了
00:09:48它所需的一切。这非常重要，因为它能让编程智能体极度专注于当前任务。
00:09:53如果我们在做规划的同一个地方进行实施，会有很多调研信息和其他杂事干扰上下文窗口。
00:09:57关于外置化智能体记忆，我最后的一个‘写入’策略是进度文件和决策日志。
00:10:03在更复杂的 AI 编程框架中，你经常会看到这类东西，比如 handoff.md 或 todo.md，
00:10:08用于在不同的子智能体、智能体团队，甚至只是不同的智能体阶段之间进行沟通。
00:10:13当你的上下文快用完时，你通常需要创建一份已完成工作的摘要。
00:10:17这样你就可以开启一个新的会话，因为你开始发现由于对话过长，
00:10:22智能体开始出现上下文腐烂并产生幻觉。显然，理想的做法是
00:10:27尽量避免这种长对话，但有时你确实需要。例如，我在开发 Archon 时经常做的一件事是，
00:10:33让它使用 Vercel agent browser CLI 在浏览器中执行端到端测试。
00:10:38我会让它走完一堆不同的用户旅程并测试边缘案例。这会消耗
00:10:44大量上下文。你可以看到底部，我运行了 /context 命令，我们已经用掉了 20 万令牌，
00:10:49而上限是 100 万。这很快就会填满。一旦上下文窗口中有了
00:10:56几十万个令牌，你就会发现智能体的性能开始下降。所以，
00:11:01我只需运行 /handoff。这个命令会创建一个摘要，现在可以将其传递给
00:11:05另一个会话，让那个智能体继续工作。但现在它的窗口里没有
00:11:11成千上万个工具调用之类的东西。这个 handoff 命令其实就是
00:11:16引导一个过程：‘这是我们要在文档中放入的内容。’这样下一个
00:11:21智能体就有了它所需的信息。好了，W 部分就讲完了，其中的每一项策略
00:11:25都至关重要，因为我们在记录关键决策，以便后续的智能体会话能快速接手。
00:11:31我知道我讲得很快。所以，如果有哪些策略
00:11:36你想让我专门做一段视频来讲解，请在评论区告诉我，因为每一项都值得深挖。
00:11:40现在我们进入 I 部分，即隔离 (Isolate)，使用子智能体。我非常喜欢在调研中使用子智能体，
00:11:45几乎每个会话都会用到。关键点在于
00:11:52保持主上下文的整洁。我们可以利用子智能体在代码库或网络上进行
00:11:56数万甚至数十万令牌规模的调研。然后只将所需的摘要
00:12:03提供给我们的 Claude Code 主上下文窗口。与其将数万令牌的调研内容
00:12:10加载到主上下文窗口中，现在它可能只有 500 个令牌。这样我们仍然能获得核心信息，
00:12:16但根据 Anthropic 的一些研究，使用子智能体预加载调研上下文，
00:12:21而不是让主智能体处理一切，其性能提升了 90.2%。
00:12:28让我给你们举个例子。通常是在对话开始时，
00:12:33或者在我之前提到的结构化计划之前，也就是规划阶段。那是
00:12:38我大量使用子智能体的时候。看好了：我想在 Archon 中内置一个工作流构建器。
00:12:43所以我希望你启动两个子智能体，一个负责对代码库进行广泛研究，看看
00:12:50我们该如何构建工作流构建器，以及这对 Archon 意味着什么；然后启动另一个子智能体
00:12:55在网上研究技术栈的最佳实践。比如如果我想用 React，
00:13:01我们应该用哪个库？通常我们该如何构建像 Diffy 或 n8n 这样的工作流构建器？
00:13:06我在这里使用了我的文字转语音工具。发送提示词。搞定。
00:13:12这样我们不仅获得了隔离的好处，还提升了速度，因为它会并行运行这些子智能体，
00:13:16带回摘要，然后我的主智能体将汇总所有内容并给我最终结论。
00:13:21好了。两个子智能体都在后台并行运行。我们也可以
00:13:26查看每一个智能体的日志。等它们完成后，它就会带着
00:13:31最终报告回来。好了，子智能体运行结束了。我们的主上下文窗口本来可能要消耗
00:13:36几十万个令牌（那是子智能体调研的规模），
00:13:41但现在我们只使用了 44,000 个令牌，仅占窗口的 4%。这就是子智能体的威力。
00:13:46我不建议在实施阶段使用子智能体，因为通常你需要所有的实施细节。
00:13:53但在调研阶段，它非常强大。所以，隔离和子智能体对于你的规划
00:13:57过程非常重要。另一种使用子智能体的方法，是我称之为‘侦察兵模式’。
00:14:04在提交主上下文之前，先派侦察兵去打探。你的代码库或文档中
00:14:09可能有一些部分，你希望子智能体先去探索，看看是否有必要
00:14:14将其加载到你的主 Claude Code 会话中。它可以提前做出决定，
00:14:21比如：‘是的，我们需要把这个加入到更大规模的规划中’，或者‘不，这个不相关，跳过它’。
00:14:25例如，对于 Archon，我有几个 Markdown 文档对代码库的某些部分进行了深入探讨，
00:14:30这种内容我们不希望放在全局规则里，因为平时用不到。但有时
00:14:36你可能需要加载它。你可以想象这是存放在 Confluence 或 Google Drive 上的东西，
00:14:41也就是任何你存储上下文的地方。回到主对话中，
00:14:45我可以简单地说：启动一个子智能体去研究 .claude/docs 里的所有内容。
00:14:48这里是否有任何文档是我们在主上下文规划中需要加载的？
00:14:54我发送这个指令，它会做出判断，然后加载我关心的内容。就在刚才，
00:14:59我们启动了一个探索子智能体。它找到了所有的文档，并建议加载其中一个。
00:15:04我说：好的，加载它。这对我们正在规划的内容非常重要。
00:15:09所以，子智能体不仅可以做调研，有时当我们认为某些文档
00:15:13对主上下文窗口至关重要时，也可以利用侦察兵模式。以上就是隔离的全部内容。
00:15:18记住，要广泛地在调研和规划中使用子智能体。现在
00:15:23我们进入 S 部分，即选择 (Select)。要做到‘即用即取’，而不是‘以防万一’。
00:15:28我的意思是，如果你不能 100% 确定某条信息对你现在的编程智能体很重要，
00:15:34那就不要费心加载它。我们有一种分层方法来辅助实现这一点。
00:15:40首先是我们的全局规则。这些是我们始终希望编程智能体意识到的
00:15:46约束和约定。这个文件要保持简洁，
00:15:51我通常会控制在 500 到 700 行之间。很多人甚至主张更短，
00:15:57但里面要包含架构、运行命令、测试和日志策略等内容。
00:16:02这是我从 Archon 中提取的例子，但这些是你想让编程智能体时刻了解的内容。
00:16:08然后是第二层：我称之为‘按需上下文’。
00:16:12这些规则仅适用于代码库的特定部分。比如如果我们正在处理前端（虽然并不总是如此），
00:16:18如果是，那么这里有前端的全局规则，或者构建 API 端点的全局规则。
00:16:23因此，我们会针对特定的任务类型，在全局规则的基础上添加这些内容，
00:16:28因为我们并不总是会处理前端任务。举个例子，
00:16:33我们有刚才探索子智能体提取的工作流 YAML 参考文件。当我们处理工作流时，
00:16:38我们才需要它。但我们不想把它放在全局规则里，因为大部分时间
00:16:43我们在开发 Archon 时，并不是在处理那个特定部分。所以它是按需加载的上下文。
00:16:48第三层是技能 (Skills)。这在 Claude Code 甚至更广泛的领域都很流行。
00:16:52我们在这里分阶段处理：智能体会在认为真正需要时，
00:16:57去探索该技能中的指令和能力。我们从描述 (description) 开始。
00:17:05这在全局规则中只占极少的令牌。如果智能体决定使用该技能，它会加载完整的 skill.md，
00:17:10其中也可以指向其他脚本或参考文档，如果我们想要更深入地使用该技能的话。
00:17:15举个例子，我有自己的 agent browser 技能。这就是我之前展示的，
00:17:20用于所有端到端测试的浏览器自动化工具。我每天都用它。
00:17:25所以，每当我进行端到端测试时，我都会加载这套指令集，
00:17:29让智能体理解如何操作 agent browser。最后是第四层，
00:17:35我称之为 prime 命令。我刚才涵盖的所有内容都是静态文档，
00:17:40我们只是偶尔更新。但有时我们需要智能体去探索
00:17:46实时代码库。我们需要确保它掌握的所有信息都是最新的，
00:17:52为此我们愿意预先花费一些令牌让子智能体去执行。这就是
00:17:57prime 命令的作用：在规划阶段开始前探索代码库，
00:18:02以便它理解代码库现状，再开始下一步的构建。正如你所见，
00:18:07在我的 commands 文件夹里有许多不同的 prime 命令，因为根据我想构建的内容，
00:18:11我需要智能体理解代码库的不同部分。这就是我们正在看的通用 prime 命令。
00:18:16我只是告诉它从高层次上了解 Archon 的代码库。这里包含了
00:18:22我希望它阅读的步骤，包括 git log，因为这对于将 git log 用作长期记忆很重要。
00:18:27我还有一个专门的 prime workflows 命令，用于我明确知道要在 Archon 的工作流引擎上
00:18:32工作的时候。命令非常相似，但更加专业。我会在对话开始时运行它，
00:18:36以便智能体快速加载所需的一切。我可以确认它理解了我的代码库，
00:18:41然后进入我之前向你们展示的规划过程。简而言之：全局规则始终加载；
00:18:47当你明确要处理某个有独立文档的部分时，加载按需上下文；
00:18:53当你需要特定能力（比如开始端到端测试）时，加载技能；
00:18:58而 prime 命令通常在对话的最开始运行，为规划铺平道路。
00:19:03这就是选择部分的全部内容。现在我们进入压缩 (Compress)，这也是讲起来最快的部分，
00:19:09因为如果你做好了写入、隔离和选择，其实不需要经常压缩。
00:19:13如果我们在用其他策略保持上下文精简，就能避免这一步，
00:19:18这是好事，因为你要尽可能避免压缩。如果必须压缩，
00:19:22有两项策略可以参考。这两项策略分别是 handoff（交接）和 focus compaction（聚焦压缩）。
00:19:28让我们进入 Claude Code 看看。handoff 我们已经讲过了，它是我们的‘写入’策略之一。
00:19:34我们总结刚刚完成的所有工作，以便在内存压缩后将其交接给
00:19:39另一个智能体或同一个智能体。此外，Claude Code 还内置了
00:19:46/compact 命令。这会总结我们的对话，然后清空对话记录，
00:19:52并将摘要放在上下文窗口的顶部。handoff 非常强大，因为我们可以
00:19:56定义自己的工作流来记忆信息。但 /compact 也非常有用，
00:20:02特别是因为我们可以选择性地提供总结指令。当我不得不进行压缩时，
00:20:06我每次都会用到这个功能。例如：‘重点关注我们刚刚测试的边缘案例’。
00:20:12这样当它创建摘要时，会更加关注它短期记忆中的那部分内容。
00:20:18我拼错了一个词，没关系。它会在这里运行压缩。所以 handoff 和 /compact
00:20:23有点像是二选一。但我确实发现有时两个都需要。特别是当你运行了
00:20:28两次以上的压缩后，那个对话通常已经太臃肿了，所以你会想用 handoff 开启一个
00:20:34全新的会话。但如果只是进行一次压缩，很多时候我运行一次 /compact 也就够了。
00:20:41不过通常在压缩后，我仍然会让智能体总结一下它还记得什么，
00:20:48以此确保它真的理解了。比如问：‘关于这些你还记得什么？’之类的。
00:20:53总之，这并不理想。要尽可能避免压缩。最好的压缩策略就是
00:20:58不需要压缩。好了，这就是 WISC 框架。
00:21:03内容很多，我希望对你们有所帮助。如果有任何一项策略
00:21:09你想让我深入讲解，请告诉我，因为其中任何一项我都可以专门做一期视频。
00:21:14这就是 WISC 框架。我希望你能用它将 Claude Code 或任何
00:21:19AI 编程助手的使用水平提升到新的高度。如果你觉得这段视频有帮助，
00:21:24并且期待更多关于 AI 编程以及如何将这些框架应用到实践中的内容，
00:21:30请务必点赞并订阅。那么，我们下期视频再见。
00:21:36嘘！我还有最后一件事要快点告诉你们，千万别错过。
00:21:414 月 2 日，我将在我的 YouTube 频道上举办一场免费的 AI 转型直播工作坊，
00:21:46届时 CTOX 的创始人 Lior Weinstein 也会参加。这可是件大事。
00:21:52Lior 将教我们如何针对 AI 重新构建整个组织架构，而我将教你如何
00:21:59掌握我用来为编程智能体构建可靠且可重复系统的 AI 编程方法论。
00:22:04我会在描述区放一个指向该页面的链接。直播将在我的 YouTube 频道进行，
00:22:09你可以点击这个按钮开启通知。我们到时候见！
00:22:14Le 2 avril, j'organiserai un atelier gratuit sur la transformation par l'IA en direct sur ma chaîne YouTube, aux côtés de
00:22:20Lior Weinstein, le fondateur de CTOX, et c'est un événement majeur. Lior va nous apprendre comment
00:22:27restructurer l'ensemble de notre organisation pour l'IA, puis je vous enseignerai comment maîtriser la méthodologie
00:22:32de codage par l'IA que j'utilise pour concevoir des systèmes fiables et reproductibles pour mes agents de codage. Ainsi,
00:22:38je mettrai un lien dans la description vers cette page. Ce sera en direct sur ma chaîne YouTube, donc vous
00:22:42pouvez activer les notifications en cliquant sur ce bouton juste ici. On se voit là-bas !