古法编程

要系统化管理 AI 编程助手的上下文，核心是解决代码库理解、记忆持久化与 Token 预算优化三大挑战。Everything Claude Code 通过 codebase-onboarding Skill 实现 4 阶段侦查，快速生成项目架构地图；通过 CK Skill 的 /ck:init、/ck:save、/ck:resume 命令体系，为每个项目建立跨会话的持久化记忆；通过 Context Budget Skill 审计所有组件的 Token 占用，定位优化瓶颈。结合 Continuous Learning v2 的项目隔离与 Instinct 评分，可构建出高度定制、持续进化的高效 AI 编程环境。

AI 编程助手的上下文管理：代码库理解、记忆持久化与 Token 预算优化

使用 Claude Code、Codex 或 Cursor 等 AI 编程助手时，效率瓶颈往往源于三个问题：AI 无法快速理解一个陌生仓库、在新会话中遗忘了上次的进度、以及上下文窗口被冗余信息填满导致响应质量下降。Everything Claude Code 插件体系提供了一套完整的工程化解决方案，通过三个核心 Skill 分别攻克这三大挑战。本指南将一步步演示如何组合运用这些工具，打造高效、可控的 AI 辅助编程工作流。

1. 代码库理解：从零到一的 4 阶段侦查流程

当首次将 AI 助手接入一个新项目，或需要快速评估一个陌生仓库时，手动梳理结构耗时且容易遗漏。codebase-onboarding Skill 通过自动化的四阶段流程，为你和 AI 生成一份结构化的“上手地图”和定制化的 CLAUDE.md。

触发场景：首次打开项目、输入“帮我理解这个仓库”、需要生成 CLAUDE.md 等。

操作步骤：

  1. Phase 1: 侦查（Reconnaissance） Skill 自动扫描项目根目录，快速检测关键技术信号，如 package.json、go.mod、pyproject.toml 等 manifest 文件，以及主流框架配置、入口文件和目录树（通常忽略 node_modules、.git 等目录）。此阶段不深入读取文件内容，旨在获取高层概览。

  2. Phase 2: 架构映射（Architecture Mapping） 基于侦查数据，推断项目的完整技术栈（语言、框架、数据库、ORM、测试工具等）、架构模式（单体、微服务、前后端分离）、关键目录用途（如 src/api/ 存放 API 路由，prisma/schema.prisma 定义数据库模型）。

  3. Phase 3: 约定检测（Convention Detection） 分析代码库中的命名风格（文件、类、变量）、代码模式（错误处理、状态管理）、Git 工作流（分支命名、Commit 规范）。如果 Git 历史过浅（例如 shallow clone），Skill 会明确提示“Git history unavailable or too shallow to detect conventions”，避免做出错误归纳。

  4. Phase 4: 生成输出 最终产出两样东西：

    • Onboarding Guide：结构化的项目概览文档，包含技术栈表格、架构描述、关键入口文件、目录映射、开发约定等，目标是让开发者在2分钟内了解项目全貌。
    • CLAUDE.md：如果项目根目录已有 CLAUDE.md，Skill 会增量更新，将新检测到的内容追加并标注；如果没有，则生成一份全新的。这确保了历史指令不丢失，同时让 AI 和新成员都能遵循最新的项目规范。

验证方法：运行后，检查项目根目录是否生成了更新的 CLAUDE.md，以及会话中是否输出了包含技术栈表格和目录结构的 Onboarding Guide。这是 AI 助手理解你项目的第一步。关于 AI Agent 如何系统化地进行工程任务，可以参考 AI Agent 工程模式 一文。

2. 记忆持久化：通过 CK Skill 实现跨会话项目追踪

解决了初始理解，更大的挑战是“记忆”。CK Skill（Context Keeper）为每个项目构建了独立的持久化记忆系统，将 AI 助手从“健忘的实习生”转变为“记得住历史的搭档”。

核心命令体系：

  1. 初始化项目记忆 (/ck:init) 在项目目录下首次运行此命令。AI 会自动探测项目信息（名称、描述、技术栈、目标），并生成一份草稿供你确认或编辑。确认后，这些信息将作为该项目的记忆基线，保存在本地特定目录（如 ~/.claude/ck/contexts/<project-name>/context.json）。

  2. 保存会话进度 (/ck:save) 当你完成一个开发阶段、做出重要决策或遇到阻塞时，运行此命令。AI 会分析当前会话，自动生成结构化总结草稿，包含：

    • Summary：本次会话的主要工作。
    • Left Off：具体停在哪一步。
    • Next Steps：清晰的下一步计划列表。
    • Decisions：做出的关键技术决策及理由。
    • Blockers：当前遇到的阻塞点。 你可以直接确认或编辑后保存。

  3. 恢复项目状态 (/ck:resume) 在新会话中，使用 /ck:resume <项目名或编号> 即可快速加载该项目的完整历史状态，包括上次进度、当前任务、决策记录等，并询问你“Continue from here? Or has anything changed?”，实现无缝衔接。

自动化与协作：

  • CK Skill 通过在 settings.json 中注册 SessionStart Hook，实现在每个新会话开始时自动注入项目摘要，并检测是否有未保存的进度或 Git 活动与上次保存点不一致，从而主动提醒你 /ck:save。
  • 其命令（如 /ck:list）支持管理多个项目，并且所有数据本地存储，行为在不同模型和版本间完全一致。

典型工作流：开发者在一天结束时使用 /ck:save；第二天开始新会话时，AI 自动提醒未保存进度，随后使用 /ck:resume 接着昨天的任务继续。这形成了一个完整的“编码-保存-恢复”闭环。CK Skill 记录的结构化决策，对于多 Agent 协作和复盘至关重要。

3. Token 预算优化：审计与释放上下文空间

当项目中加载的 Agent、Skill、MCP Server 和 Rules 越来越多时，Claude 的上下文窗口（如 200K tokens）可能被无意识填满，导致响应变慢或质量下降。context-budget Skill 就像一个上下文空间的“磁盘清理”工具。

触发与输出：

  • 使用：在会话中输入 /context-budget 或 /context-budget --verbose。
  • 它会审计：所有已加载的 Agents、Skills、Rules、MCP Servers 的 tool schema 以及 CLAUDE.md 的总 token 占用。
  • 输出报告：包含一个组件分类表格，将组件分为“Always needed”（始终需要）、“Sometimes needed”（有时需要）、“Rarely needed”（很少需要）三类，并列出检测到的问题，如：
    • 冗长的 Agent 描述（>30 词）。
    • 重型 Skill/Agent 文件（>400 行）。
    • 内容重复的 Rule 或 CLAUDE.md。
    • MCP 工具膨胀（单个 Server 工具过多，或只是包裹了 CLI 命令）。

优化优先级： 报告会按“预计可节省的 Token 数”排序，给出具体的优化建议。例如：

  1. 移除 3 个仅包裹 CLI 的 MCP Server → 预计节省 ~27,500 tokens（最大的优化杠杆）。
  2. 精简 2 个膨胀的 Agent 描述 → 预计节省 ~2,000 tokens。
  3. 合并重复的 Rule 内容 → 预计节省 ~1,500 tokens。

根据这些建议，你可以安全地移除“Rarely needed”的组件，或为“Sometimes needed”的组件设置按需加载。定期运行此审计，是防止上下文性能随项目复杂度增长而劣化的关键习惯。关于更详细的 Token 优化策略，可以查阅 Claude Code 高级技巧。

4. 进阶：让 AI 学习并进化你的专属模式

continuous-learning-v2 Skill 将上下文管理提升到了个性化层面。它通过配置 PreToolUse 和 PostToolUse Hook，实现 100% 捕捉你的开发行为、修正和反复操作，自动提炼为带“置信度评分”的“Instinct”（本能）。

项目隔离：这是 v2 的核心。React 项目中学到的习惯（如使用函数组件）只会影响该项目，不会污染你的 Python 项目。只有那些跨多个项目被高置信度观察到的最佳实践（如“始终校验输入”），才会被智能晋升为全局 Instinct。

进化路径：积累的 Instinct 可以一键晋升：

  • /evolve：自动聚类 Instinct，建议将其晋升为可复用的 Skill、Command 甚至 Agent。
  • /promote：将项目级 Instinct 晋升为全局级。

协作：通过 /instinct-export 和 /instinct-import 命令，团队成员可以安全地共享经过验证的开发模式和最佳实践，实现团队知识的沉淀与迁移。它让 AI 助手不仅能管理项目上下文，还能学习并适应你的团队和你的个人风格，实现真正的持续进化。

通过组合使用 codebase-onboarding、ck、context-budget 和 continuous-learning-v2 这四个 Skill，你可以构建出一个理解力强、记忆力持久、资源利用高效、且能与你共同成长的 AI 编程助手工作流，彻底告别模糊的“vibe coding”，进入可管理、可追溯、可优化的工程化 AI 辅助编程新时代。

FAQ

Q: codebase-onboarding Skill 会覆盖我现有的 CLAUDE.md 吗？ A: 不会。它会先读取现有文件，仅追加或更新检测到的新内容，并明确标注变更部分，历史指令会被完整保留。

Q: 如何判断 Context Budget 报告中哪些组件可以安全移除？ A: 优先考虑报告中归类为“Rarely needed”且无命令引用、内容与其他组件重复或与当前项目无关的组件。报告会按优化收益排序建议，从上到下执行即可。

Q: Continuous Learning v2 学到的 Instinct 会不会导致 AI 学习到我的错误习惯？ A: 置信度评分系统是关键。低置信度的 Instinct 不会被自动应用。每当 AI 根据某个 Instinct 做出建议而你再次修正时，该 Instinct 的置信度会下降。你也可以手动删除或编辑 Instinct 文件来纠正。