注册并分享邀请链接,可获得视频播放与邀请奖励。

搜索结果 記憶汚染展
記憶汚染展 贴吧
一个关键词就是一个贴吧,路径全站唯一。
创建贴吧
用户
未找到
包含 記憶汚染展 的推特
電子級氫氟酸產業 1. 產業背景:電子級氫氟酸在晶圓製造中的角色 電子級氫氟酸是半導體晶圓製造過程中關鍵的濕式電子化學品,主要用於清洗與蝕刻兩大核心工序,是單位晶圓耗量最大的濕式電子化學品之一。 清洗環節:氫氟酸用於去除晶圓表面的自然氧化層、金屬離子污染及顆粒殘留。隨著製程從 28nm 向 7nm 及以下演進,清洗步驟數從約 100 步增加至 200 步以上。在 3nm 製程中,由於極紫外光刻(EUV)對光刻膠表面缺陷的敏感度更高,清洗步驟進一步增至 300 步以上。每一步清洗均需使用稀釋氫氟酸(DHF)或緩衝氧化蝕刻液(BOE)。單片 12 吋晶圓在先進製程廠的耗酸量較 28nm 廠高出約 2-3 倍。 蝕刻環節:氫氟酸用於二氧化矽及氮化矽的選擇性蝕刻。在 3D NAND 快閃記憶體中,隨著堆疊層數從 128 層向 176 層、232 層乃至 300 層以上邁進,高深寬比蝕刻(High Aspect Ratio etch,簡稱 HAR etch)的次數呈指數級增長。更高的堆疊層數意味著更深的溝槽與孔洞,對氫氟酸的純度、蝕刻速率及蝕刻選擇比提出更嚴格的要求。 AI 算力拉動方面:AI 訓練與推理晶片(如 H100、B200、MI300 系列)採用先進製程與大尺寸晶片設計,單片晶圓面積較通用邏輯晶片更大,等效耗酸量相應提升。隨著 AI 資料中心資本開支持續擴張,台積電、三星、英特爾等頭部晶圓廠的先進製程產能利用率維持高位,直接拉動濕式電子化學品的消耗量成長。 根據 SEMI 數據,2025 年全球半導體設備支出約 1255 億美元,中國區占比持續提升,晶圓廠擴產是濕式電子化學品需求成長的底層驅動。 2. 邊際變化:價格、供給與認證 2.1 價格端 根據百川盈孚數據,2026 年 6 月 29 日相較年初,UP 級(對應 G3-G4)電子級氫氟酸價格上漲約 19%,UPS 級(對應 G5)上漲約 17%。價格上漲來自兩端:成本端螢石、硫酸價格上行形成支撐;需求端晶圓廠擴產帶動耗酸量提升,而日系供應商擴產節奏緩慢,供需邊際趨緊。 2.2 供給端事件 據韓媒 The Elec 報導(2026.5.14),韓國半導體材料企業所需無水氫氟酸約 90% 從中國進口,2026 年 5 月以來出現高價搶貨現象。該事件雖未構成「斷供」,但反映出日系產能瓶頸下,中國已通過認證的 G5 級供應商在供給端地位的提升。 2.3 認證進展 中國企業中,多氟多 G5 級電子級氫氟酸已向台積電、三星電子、華虹半導體、長鑫存儲等主流晶圓廠批量供貨。 3. 產業格局:日系主導與中國國內突破 日系主導格局:高端電子級氫氟酸(G5 級及以上)長期由日本企業主導,Stella Chemifa 是全球少數具備 G6 級電子級氫氟酸量產能力的企業,森田化學在 G5 級市場佔據主要份額。兩家日系企業均無在華規模化產能,中國下游廠商的電子級氫氟酸採購依賴進口或貿易商轉口。 中國突破難點體現在三個面向: 一、純度控制:根據 SEMI G5/G6 標準,G5 級要求金屬離子含量低於 10ppt,G6 級進一步要求低於 1ppt,對原料選型、設備材質、潔淨環境的要求極為嚴苛。 二、設備材質:電子級氫氟酸具有強腐蝕性,儲罐、管道、泵閥等接觸部件需採用 PFA(全氟烷氧基樹脂)等高純氟材料,以防止金屬離子析出造成二次污染。 三、批次一致性:半導體廠要求批次間的金屬離子含量、顆粒度、蝕刻速率等指標波動控制在極小範圍內,認證週期通常為 12-24 個月,新進入者從送樣到批量供貨需要較長時間的工藝磨合。
显示更多
【內存難題】滿足正急升的人工智能記憶體晶片需求將帶來氣候成本 總部位於渥太華的研究公司TechInsights Inc.稱,晶片製造規模擴大、產品複雜度與資源消耗提升,加上電力供應仍依賴化石燃料的國家陸續提高產能,這些因素將共同加劇該行業的污染排放。
显示更多
2023 年,Meta 首席 AI 科學家楊立昆給當時的 LLM 熱潮潑了一盆冷水。 他指出 LLM 有根本性的缺陷:沒有持久記憶、無法從單一經驗學習、缺乏對物理世界的理解。本質上,它只是在做「下一個 token 的預測」。 從學術的角度看,他說得完全正確。 直到今天,LLM 的底層架構依然沒有變。它依然是一具每次啟動都空空如也的統計引擎。 但在三年的工程演進後,我們發現了一個讓科學家尷尬的事實:學術上的根本缺陷,工程上不一定要正面解決,繞過去一樣能起飛。 楊立昆主張要走「世界模型」的路線,讓 AI 像人一樣建立對物理規律的理解。他認為 Scaling Law(規模定律)有天花板,LLM 光靠堆算力不能產生真正的智慧。 但工程界用兩件事回應了他: 第一,資本的暴力美學。過去三年,人類往算力砸錢的瘋狂程度,讓模型規模產生的「湧現」直接蓋過了架構的粗糙。 第二,系統性的外掛補丁。模型記不住?掛上向量資料庫。模型理解不夠?接上 Vision 和工具。 這就是工程學最迷人的地方:解決問題不需要追求「本質的優雅」。 楊立昆在研究神經元的排列,而工程師在研究如何把這個「不完美的大腦」裝進一個強大的「機械外骨骼」裡。 楊立昆對 LLM 的核心批評,是他認為 Pattern Matching(模式匹配)不算真正的學習。 但如果這種模式匹配的複雜度足以模擬出文明的所有邏輯,那「學習本身到底是什麼模式」還重要嗎? 飛機與鳥的飛行原理完全不同。飛機沒有羽毛、不會拍翅膀,但在它飛得更高、更遠、更穩定的那一刻,它到底「算不算在飛」已經不重要了。 但繞過去的,跟真的解決,是兩回事。 只要底層架構沒變,楊立昆講的那些缺陷就真實存在。記憶是外掛的,不是原生的。就像義肢,裝上去能走能跑,但它跟真正的腿就是不一樣。你不能假裝它不存在。 所以雖然 AI 已經很強了,推理、寫作、寫程式,很多事做得比大部分人好,但它每次都是一個全新的大腦。沒有連續的意識,沒有累積的經驗。它所有的「記憶」、「理解」、「偏好」,全部來自你這次塞給它的上下文。 如果你去看 OpenClaw 最近的 repo 更新,你會發現記憶管理佔了很大的篇幅。怎麼讓 AI 在對話之間記住該記住的東西。 他們最近推的 QMD,把關鍵字搜尋跟語意搜尋混在一起用,就是為了解決一個問題:你三天前跟 AI 聊過的東西,它下次怎麼找得回來。 模型本身的能力會繼續進步,但只要底層是 LLM,記憶管理就是一個繞不開的大山。 用工程的角度來說,就是 Context Engineering 的重要程度,會逐漸超過模型本身。 你怎麼管理每次丟給模型的那包上下文,決定了 AI 能幫你做到什麼程度。哪些資訊該放、哪些不該放。什麼時候該砍掉重來、什麼時候該接著繼續。不同對話之間的記憶怎麼同步、怎麼取捨。 我自己每天都在處理這個問題。 舉個例子,我的 OpenClaw Agent KAI,它常常在多個頻道處理不同任務,但它們的記憶不是即時同步的。只要 還沒更新,它們就不知道彼此剛做了什麼。 所以我常常要幫它做認知同步。譬如告訴 A 分身,B 分身目前正在做什麼,然後要求 B 把做的東西整理好傳過去。或者更簡單一點,直接叫 A 去讀另一個 Discord 頻道最近兩小時的對話,讓它自己同步 B 的工作內容。 這種「認知斷裂」的現象,只要你常用 AI,一定會有很強烈的感覺。 從人格化的角度看,你會覺得它們是同一個人。但事實上,它們只是共享同一份記憶。只要記憶沒有同步,它們就是不同的人。 我現在花比較多時間在學這一塊。譬如今天 KAI 就教了我,如果讓 Claude Code 的 Opus 4.6 從外部調用 GPT 5.3-Codex,用 MCP 跟 coding-agent skill 的差異是什麼。 KAI 告訴我,差異的核心在於:中間過程要不要進主 context。 用 MCP 調用 Codex,每一個 tool call 都走 MCP 協議。Codex 過程中的每一個 turn,讀檔、改檔、跑測試、報錯、retry,全部以 tool result 的形式灌回 Opus 的 context。一個 coding task 可能產生幾十個 turn,跑完之後 Opus 的 context window 已經被中間過程塞滿了,後面每一 turn 都要重送這些垃圾。這就是 context 污染。 而 coding-agent skill 的設計完全不同。它把整個 coding task 交給一個獨立的 sub-agent,這個 sub-agent 在自己的 context 裡完成所有中間過程。跑完之後,回傳給 Opus 的是一個精簡的 handoff summary:改了哪些檔案、測試跑過了沒、有沒有殘留問題。中間那幾十個 turn 的掙扎,Opus 完全不需要知道。 同樣一件事,兩種做法,Opus 的 context 乾淨程度天差地遠。 所以同一個模型,不同的人用,產出可以差十倍。 人與人之間原本的能力差距,已經沒那麼重要了。你的學歷、你的年資、你寫程式的底子,這些東西的權重正在被 AI 快速壓縮。 取而代之的,是你怎麼使用 AI。這件事的精度,才是現在真正決定產出的變數。 你理不理解它的記憶是怎麼運作的。你知不知道什麼時候該砍掉 context 重來、什麼時候該讓它接著跑。你能不能在對的時間,把對的資訊塞進那個 context window。 這些東西有一個名字,叫 Context Engineering。 它不是什麼高深的學問,但它是所有想把 AI 用好的人,都應該深入研究的東西。
显示更多
0
51
980
166
转发到社区
我最赞同的是这个观点:复盘,一定要把决策过程和最终结果分开。 很多人复盘永远复不出东西,很大程度上是因为被那些有收益的经历污染了记忆。 所有的投资都必须要认识到一点: 如果一次赚钱只给了我情绪,没有给我方法,只给了我爽感,没有让我更理解市场结构,那这笔收益对长期没什么帮助。 它最多只能算捡钱,不算能力。 市场就是这样的,它经常会先奖励你的错误,再惩罚你的自信。
显示更多
马驹桥的核心问题,在于抹黑了北京作为首都的形象。 在一代北漂的记忆里,为了维持首都的秩序和形象,可以以很高的成本和代价,清理大气污染,整顿小摊小贩,整顿市容市貌,清洁街道景区,规范务工人员。 大家的共识是,首都无小事,为了首都的形象,可以做出一些适当的牺牲和让步。 马驹桥一旦关注度上来了,这种共识就会产生质疑,如果你在马驹桥可以这么生活,那我为什么不能在顺义、昌平、海淀也这么生活?
显示更多
0
94
677
14
转发到社区
这几天我的 Claude 又开始梦游了。 我明明只发了一句新指令,它后面回的东西,像还卡在上一个任务里。 你让它做 A,它还在补 B。 你让它看新上下文,它拿旧总结继续推。 你问一个很短的问题,它翻出一大坨历史缓存,开始自己脑补“你现在想干什么”。 这种感觉很烦。 因为它看起来像是模型变笨了,但很多时候,问题在运行环境。 几个信号很明显: - 新输入很短 - 缓存 / 自动总结很长 - 用户明明换了目标,agent 还在沿着旧目标走 - 工具输出、记忆、自动总结混在一起,可信度没有分层 我现在更愿意把它叫成上下文污染。 项目背景、单次任务、工具结果、自动总结、旧会话状态,全被塞进同一个池子里。agent 每次回答前都要从这一池东西里猜: “哪一段才是现在真正要听的?” 猜错了,就会沿着旧任务继续跑。 我现在的修法很朴素: 1. 全局记忆只放路由,不放长状态 2. 项目记忆只放短 `PROJECT_MEMORY.md` 3. 每个任务开头写清楚边界和停止条件 4. worker 做完只交产物、验证、写回建议、下一步卡点 5. 短输入一旦被长缓存带偏,立刻停写,回原始记录查证,必要时开新会话 Claude 还可以继续用。 但别让它靠一团旧上下文猜“现在到底该干什么”。 agent 系统真正要管住的,是每一层上下文的范围、来源和有效期。
显示更多
up up up down 昨晚发完文章后我一直在沙漠待到半夜2点,因为恰逢难得一见的月全食(血月),我又正好在上佳的观月地点,不愿错过这个机会,拍了一些照片。这不是vivo的广告,我只能说他们的手机拍照片太顶了,其他手机对着月亮都不行。 月食的过程很慢,前后持续1个多小时。月亮就一点一点被黑暗侵蚀。但不知道为什么当整个月亮都被黑暗侵蚀后,它反而变成了血红色,看起来格外诡异妖艳,照片里就是我肉眼看到的效果。从小到大第一次见到这种天文现象,叹为观止,目瞪狗呆。 我们熬到那么晚其实还有一个目的,就是想等月全食“关灯”的时候顺便看看童年记忆里的星空和银河。结果血月的时候我抬头能看到数百颗星星,但始终没有看到银河,观星师说城市的灯光污染有干扰,要去离敦煌40公里外的无人区拍摄才有清晰的银河。 我看着他拍的照片发愣出神,下次我一定要找机会看到这样的夜空,一定。 …… 今天早上的行程依然是莫高窟,这次预定了3个特窟,156+158+159,经典路线。 156窟是节度使家族窟,有著名的张议潮统军出行图,我看过安州牧的《西北有孤忠》,对归义军的历史有一些了解,这次近距离观摩壁画遗迹太幸运了。 另外156窟还有一段插曲,俄国十月革命成功后有500人的白俄士兵战败逃入中国,被民国政府缴械,1921年敦煌县政府不想让这群外国人打扰百姓,就把他们安排拘住在莫高窟的洞里,156窟也关过人。 冬天的敦煌比较冷,白俄士兵为了取暖在窟里生火,壁画被烟熏损毁,156窟的窟顶至今依然一片漆黑烟痕。 昨天有人说王道士当年把国宝廉价卖给外国商人很痛心,我回复他共识形成之前国宝也是便宜货。现在特级保护的洞窟,当年只是嫌弃安置外国战俘的囚房,找谁说理呢? 158窟里面有整个敦煌最大的卧佛,横长17.2米,相当于5层楼横倒下来,建于西夏时期。释迦牟尼80岁涅槃,在当时人里算是很长寿了,佛教里面规定他涅槃后56亿年,未来佛弥勒继位,到时人世间会变成弥勒净土,吃的穿的用之不尽,有点像共产主义。但佛教这个饼画的太远了,56亿年...太阳寿命预计也才50年,我不想活那么久,累了。 158窟的壁画由于早年无人保护,有各种各样的人刻写“到此一游”。其中令我印象深刻的是一个叫胡守悌的,到此一游后面还刻了时间,67年5月27日,我默默算了一下要是1967年他是个年轻小伙的话,现在很可能还在世。 厉害了胡老哥,我连拍照都不允许的特窟壁画,你60年前能在上面刻字,我裂开 159窟...其实蛮普的,乏善可陈,主打一个来都来了,捆绑销售。特窟每人每窟200,我们10个人看一个窟就是2000,3个窟消费6000,你们如果有的选的话只要156+158即可,159duck不必。 …… 下午的行程是又见敦煌演出,搬砖组长安排的太周到,提前买好了至尊贵宾票。价格是普票的2倍,但我小声说一句性价比一般,你们看的话买普票。 “又见”系列是王潮歌导演(女)的作品,她是艺二代,和国师有私交,参与制作08年奥运会开幕式,对这种大型文艺演出确实有一手。最早和国师弄“印象”系列,专门接地方政府的文旅演出项目,后来挣了钱十几亿把公司卖了,又自己出来弄了“又见”系列。 我在平遥看过又见平遥,现在来敦煌看又见敦煌,前者投资4.7亿,后者投资6亿,时间上也是前后脚搞起来的项目。 你们如果从来没看过类似演出的,第一次去看一定觉得精彩,但平心而论我觉得敦煌这出不如华清池、也不如平遥,但比承德那套好看,我的审美你们信就是了。 …… 今天a股成交2.42万亿,量没之前大,但是中位数+1.07%也很不错。cpo光模块继续调整,寒武纪、新易盛、中际旭创这些明星股今日大跌,像这种概念投机就是要信早信,晚信不如不信,妖涨的时候如果不敢买错过就错过了,不要觉得它们跌下来贪便宜去买,这是典型的锚定心理。 这几天有一股趋势,资金从cpo光模块流出,流向了固态电池,论坛里游资大v在带舆论,行业里研究员也在拼命引流,这背后就是牛市行情里争夺关注度的pk,一旦固态电池的趋势起来了,会对cpo形成显著的虹吸。因为说白了a股最激进最勇敢的就是那批人,那批钱,他们在板块之间的迁徙会直接影响下一个阶段的主题。 持有宽基的不需要操心这个,热门概念轮动对宽指的影响很小。我白天在外面玩,实在无聊掏出手机看行情也就1-2次,我其实不是很担心行情在这个位置崩溃,或者换一个角度,错过7000点的卖点我不会觉得可惜,目前12月份的ic年化贴率12%,完全没有下车焦虑。有涨赚钱当然好,不涨混日子也挺好。 最近有一些新股民留言问我怎么弄期指,有没有风险。最低140万一手的杠杆工具何止是有风险,风险大的一批,新手玩会死人的。我以前有一篇文章,是集思录一个网友滚1手ic的盈亏记录和心路历程,没看过的建议去看看《极限承压》 最后想给你们分享一个图,主要是美股里面交易的资产,图片可以点击放大看。 最左边一列是代码,美股代码是字母,不是数字。第二列是资产名称,后面几列是各个年份的表现。资产里面的qqq和spy就是我一直推荐的纳斯达克etf和标普500etf。 最底下倒数第三行是年度最佳资产,倒数第二行是年度最差资产。 其实表格里有些资产我也不太熟悉,但只要看仔细看表格,你很难不被btc所吸引,一个是它的回报实在太tm高了,碾压所有,另一个就是它的节奏实在太规律了,up-up-up-down,up-up-up-down,三年冠军一年垫底,三年冠军一年垫底。 好了,现在又是up-up-up,连续三年冠军,我反正今年只卖不买,谁说这次不一样都不好使,就算后面还能涨,这钱我不要,让给你了。
显示更多
用乐观的方式思考悲观的问题,用悲观的方式思考乐观的问题,是一种必须在当前学习的的认知对冲策略。 技术的极速演进打破了传统的线性发展预期。盲目乐观会导致致命的技术盲区,盲目悲观会导致无意义的虚无主义。将这两种思维交叉运用,是用系统性思维与战略定力来锚定个人与社会的未来。 我喜欢在最乐观的商业计划或技术蓝图中,主动植入墨菲定律。 我会假设所有可能出问题的地方都会出问题,比如数据污染、伦理失控、系统黑天鹅,以此来构建抗脆弱的冗余系统。 反过来,面对技术失控的隐忧、职业替代的阵痛以及旧秩序瓦解带来的焦虑,如果一味沉溺于悲观,只会陷入被动的精神内耗。 此时,我会用乐观的方式去解构悲观的问题,在绝境中挖掘重塑秩序的筹码。 我会承认人类在算力、记忆和纯粹理性上已被技术碾压,反而能帮我们彻底卸下“机器化”的负担。这迫使我们回归人性本身去重塑美学、哲学、真实连接与情感体验。 即使面对人类文明最深刻的生存危机,乐观的思维方式也能将巨大的不确定性转化为探索未知的极致浪漫。 正如罗曼·罗兰所言,真正的英雄主义是在认清生活的真相后依然热爱生活。 我认为,化用一下罗曼罗兰这句话:在技术时代,真正的理性是认清技术的潜在毁灭性后,依然坚定地选择用它去创造美好。
显示更多
如果从今天开始,连续30天补充鱼油或 Omega-3,你的身体会发生什么? 很多人知道鱼油对身体好,但并不知道它到底好在哪里。更有人花了冤枉钱,买到的却是早已氧化变质、甚至重金属超标的“伪劣鱼油”。 无论是提取自普通深海鱼的鱼油,还是额外含有维生素 A 和 D 的鳕鱼肝油,它们的核心威力都来源于 Omega-3 脂肪酸(尤其是 DHA 与 EPA)。 如果你能坚持补充整整一个月,你的大脑、皮肤、血管乃至全身器官,都将迎来一场颠覆性的“自我修复”。 一、 连续30天,身体将发生的6大奇迹变化 1. 大脑与眼底:开启“高清晰度”模式 大脑防衰: 大脑中约 25% 的脂肪都是 DHA,且高度集中在掌控记忆与专注力的前额叶皮层。补充 Omega-3 能修复神经元细胞膜,促进神经信号传递,保护大脑免受慢性炎症侵袭。 保护视网膜: 眼睛后部的视网膜脂肪中有 60% 是 DHA。它能像“防晒霜”一样抵御紫外线与炎症伤害,显著降低黄斑变性的风险。 2. 皮肤与骨骼:由内而外弹润强健 天然皮肤屏障: 帮助皮肤锁水保持光滑,改善痤疮、湿疹、牛皮癣及发红干燥,并增强皮肤对外界紫外线的抵御力。 促进骨骼矿化: DHA 能促进钙质沉淀与骨骼矿化,降低随着年龄增长而患骨质疏松的风险。 3. 关节、肝脏与血糖:强效抗炎,改善代谢 关节与肌肉: 显著减轻关节炎疼痛,并加速高强度运动后的肌肉损伤修复。 逆转脂肪肝: 消除肝脏隐性炎症,阻断脂肪堆积向肝纤维化(疤痕化)演变的路径。 提升胰岛素敏感性: 帮助改善胰岛素抵抗,是前期糖尿病及糖尿病患者逆转代谢困境的有力辅助。 提示: 身体需要胰岛素引导 Omega-3 进入细胞;若存在严重的胰岛素抵抗,Omega-3 的吸收效率会下降,因此更需控糖与补充同步进行。 4. 心血管与呼吸系统:血管的“清道夫” 护卫血管内膜: 抑制血管壁炎症,防止胆固醇堆积和动脉粥样硬化斑块的形成。 舒缓呼吸道: 有效减轻哮喘和日常过敏性鼻炎的相关症状。 5. 生殖与生育:细胞级的营养支持 支持精子活力与卵巢排卵,为孕妇及胎儿发育提供不可或缺的底层细胞构件。 二、 避坑指南:挑选优质鱼油的 3 个关键 严防氧化变质: 劣质鱼油在加工或运输中极易氧化。若产品带有刺鼻的酸败臭味,或服用后让你频繁“打嗝反胃、吐鱼腥味”,说明品质已过关或已变质。 警惕重金属污染: 关注原料产地,优先选择来自无污染极地或纯净深海的小鱼(如沙丁鱼、鲱鱼)提取的产品,避开铅、砷、汞污染风险。 剂型选择: 优质鱼油应带有淡淡的天然鱼香味而非怪味。建议优先选择包衣完好的胶囊(珍珠丸)剂型,既保鲜又便于吞服。 三、 除了补充剂,还能怎么吃? 深海肥鱼: 野生三文鱼、鲱鱼、沙丁鱼等是最佳食物来源。 优质食材: 贝类以及草饲牛羊肉、草饲奶酪/酸奶。 关于植物性来源: 奇亚籽、亚麻籽和核桃富含 ALA,但人体将 ALA 转化为可用 DHA 的效率极低(不足 5%),无法完全替代动物性 Omega-3。 (注:如果你希望在补充 Omega-3 的同时一次性补足天然维生素 A 和 D,鳕鱼肝油是性价比更高的天然选择。) 健康的改变,往往始于每天坚持的一个小习惯。 今天起,给自己的日常饮食加一点优质 Omega-3,用 30 天的时间,亲眼见证大脑更清晰、皮肤更光滑、体能更充沛的自己! 如果你觉得这篇文章解答了你对鱼油的困惑,请点赞、收藏并转发给家里的长辈与朋友!让他们也学会挑对鱼油,吃出真正的全心健康!
显示更多
0
17
68
12
转发到社区
突然发现有朋友不知道Claude Code / Codex常用的上下文命令背后的机制,简单介绍一下。 Claude Code 和 Codex 里所有跟上下文相关的命令,本质上都在操作三层存储: 第一层:上下文窗口 模型此刻眼前能看到的内容。它是易失的、有限的(目前的模型最大1M),也是唯一影响模型下一步行为的东西。 第二层:会话记录 每轮对话都会落盘成文件,Claude Code 存在 ~/.claude/projects/ 下的 JSONL,Codex 存在 ~/.codex/sessions/,它不会影响模型行为,但一直都在磁盘上,有点像 git 的历史记录,除非你手动删掉,不然是会一直存在的。 第三层:常驻记忆 CLAUDE.md / AGENTS.md / memory 目录这类每次开新会话都会自动注入的内容,也是唯一跨session存活的上下文。 理解了这三层机制之后,每个上下文命令在干什么就一目了然: 1️⃣ /clear:只清上下文,不动会话记录。 清空的是模型眼前的窗口,会话记录还在盘上。所以 /clear 之后用 claude --resume(选历史会话)或 --continue(接最近一次)能整个找回来。 如果对话太多找不到了,也可以直接把关键对话给到cc\codex,让它直接定位到对应磁盘文件把上下文加载回来。 本质上它是一种软删除,数据想捞的话随时都能捞回来。 通常使用场景是对话的上下文已经比较多,又要在session中开启一个新任务的时候。 2️⃣ /compact:上下文的有损压缩。 让模型把历史上下文写成一份摘要、用摘要顶替原有的全量上下文继续干活。会节省一部分 token,同时也会丢掉一部分细节,压缩之后模型忘记某个中间结论很正常,因为那个结论可能真的没写进摘要。 这里之前也写推文介绍过claude和codex的compact理念是完全不一样的,codex更倾向于全量保存用户的prompt,只精简tool_result相关内容;claude则是两块都会精简。 使用场景是本次session的context已经很多了,但还需要这段上下文继续任务,重要的上下文内容已经被稀释,模型注意不到 3️⃣ /new:全新会话 通过命令新建一个session,开新会话 = 新的上下文窗口 + 新的会话记录文件,旧上下文不会跟过来,能跟过来的只有跨session的常驻记忆。所以跨会话交接工作,靠的从来不是 /new,是你有没有把状态写进第三层或写进代码库。 4️⃣ subagent / Task:临时开一个子agent 子 agent 拿自己独立的上下文窗口干活,干完只把结论回填给主会话,这是能消耗大量上下文却不污染主窗口的机制——所以大扫描、大检索类工作丢给子 agent,主窗口只留结论。
显示更多