上周师妹去面腾讯微信读书的大模型开发岗，三面的时候被问了一道场景题。面试官说：如果用 Claude Code 来辅助写一本书，内容很长，容易超过上下文长度，你怎么处理？

师妹想了想，说"用 /compact 压缩上下文呗"。面试官点了点头，说"可以是可以，但是还有更好的手段"。然后面试官自己展开讲了大概五分钟，师妹事后跟我复盘，说当时脑子里就只有这一个点，根本没想过写书这个场景本身的特殊性在哪儿。

这让我想好好聊聊这个问题。

先说师妹的回答为什么"不能说错"

/compact 是 Claude Code 的一个内置命令，它的作用呢，就是把当前会话的历史上下文给压缩成摘要，释放 token 空间，让对话可以继续进行下去。

这个操作确实是有用的，属于那种"上下文快撑满了，先压一压"的应急手段。

但问题是——写书这个事儿，不是一次对话就能搞定的。

一本书十几万字，几十个章节，人物、设定、伏笔、文风这些都要前后一致。要是你的策略只有"上下文满了就压缩"，那压缩之后 Claude 对前面章节的记忆就变得模糊了，写到后面就越来越容易出现前后矛盾、人物性格漂移、设定遗忘这些问题。

/compact 解决的是"放不下"的问题，但没有解决"怎么用得好"的问题。

正确的思路：不是把书塞进上下文，而是让上下文只装"当前需要的"

写书场景的核心矛盾是什么呢？就是书的总量远超单次上下文，但写每一章的时候又需要"记住"全书的设定和前文逻辑。

解法不是硬撑，而是换个架构思维——把长内容拆成文件，把"记忆"换成"按需检索"。

下面是一套可以落地的做法：

‣ 第一步：建立"项目圣经"，而不是靠对话记忆

在项目根目录建一个 bible.md，把以下内容写进去：

• ◆全书大纲（章节标题 + 一句话简介）
• ◆核心人物设定（性格、背景、关系）
• ◆世界观规则、专有名词表
• ◆文风要求（人称、语气、禁用词）

这份文档呢，要刻意保持精简，几百到一两千字就行，目标是每次开始写作的时候都能完整带进上下文，不占太多空间。

同时呢，在项目根目录放一个 CLAUDE.md。这是 Claude Code 的特殊文件——每次启动会话的时候会自动读取，相当于给 Claude 的"永久说明书"，不需要每次重新交代规则。

‣ 第二步：每章一个文件，写完生成摘要

结构上，每个章节单独存一个 Markdown 文件：

book/├── CLAUDE.md         ← 自动加载的写作规范├── bible.md          ← 项目圣经（大纲+设定）├── chapters/│   ├── 01-开篇.md│   ├── 02-转折.md│   └── ...└── summaries/    ├── 01.md         ← 第一章摘要（200字以内）    ├── 02.md    └── ...

关键操作是这样的：每写完一章，让 Claude 生成一份 200 字以内的章节摘要，存到 summaries/ 目录里。

写下一章的时候，不要把前面所有章节的全文都丢进上下文，而是只给：

1.bible.md（全书设定）
2.前一章的摘要（不是全文）
3.本章大纲

这样无论书写到第几章，每次带进上下文的内容都是可控的。

‣ 第三步：按章开新会话，用完就清

很多人习惯在一个会话里一直写，越积越长。但写书场景更好的做法是什么呢？

写完一章，就开新会话。

用 /clear 清空历史，或者直接开一个新 session。每次只带入"当前章节需要的最小信息集"，保持上下文干净。

这不是浪费，而是主动控制质量——上下文越长，后期越容易出现注意力分散、前后矛盾的问题。

‣ 第四步：全局检查交给独立子任务

“检查全书人物设定是否前后矛盾”、“统一术语”、“检查某个伏笔是否有收尾”——这类需要扫全书的工作，不要放进日常写作对话里。

Claude Code 支持 subagent（子代理），可以让一个独立的 agent 专门去扫描所有章节文件，完成分析之后只把结论汇报回来，不会把全书内容堆进你的主线上下文里。

也可以写成自定义斜杠命令，一条指令触发一次全书扫描。

‣ 第五步：/compact 在什么时候用？

说回 /compact——它在这个体系里也有位置，但不是主策略，而是应急补救。

当你在某个章节里反复打磨、对话历史越来越长，又不想直接 /clear 丢掉当前进展，这时候用 /compact 压缩一下历史，是合理的。

但要是你的项目结构做好了，大多数时候你根本不需要等到"快满了"才处理，因为每章本来就是轻装上阵的。

回到面试那道题

师妹的回答没有错，但面试官想听到的是什么呢？是你有没有把"写书"当成一个工程问题来思考。

上下文超限只是表象，背后是"如何在 AI 辅助创作的场景下，管理长周期、大体量内容"这个真实的架构问题。

答 /compact 说明你知道工具；但能说出"项目圣经 + 分章文件 + 摘要沉淀 + 按需检索"，才说明你真的想过怎么用 Claude Code 做事，而不只是和它聊天。

其实 大模型工具用得好不好，很多时候差在有没有工程意识，而不是会不会用命令。

学AI大模型的正确顺序，千万不要搞错了

🤔2026年AI风口已来！各行各业的AI渗透肉眼可见，超多公司要么转型做AI相关产品，要么高薪挖AI技术人才，机遇直接摆在眼前！

有往AI方向发展，或者本身有后端编程基础的朋友，直接冲AI大模型应用开发转岗超合适！

就算暂时不打算转岗，了解大模型、RAG、Prompt、Agent这些热门概念，能上手做简单项目，也绝对是求职加分王🔋

📝给大家整理了超全最新的AI大模型应用开发学习清单和资料，手把手帮你快速入门！👇👇

学习路线:

✅大模型基础认知—大模型核心原理、发展历程、主流模型（GPT、文心一言等）特点解析
✅核心技术模块—RAG检索增强生成、Prompt工程实战、Agent智能体开发逻辑
✅开发基础能力—Python进阶、API接口调用、大模型开发框架（LangChain等）实操
✅应用场景开发—智能问答系统、企业知识库、AIGC内容生成工具、行业定制化大模型应用
✅项目落地流程—需求拆解、技术选型、模型调优、测试上线、运维迭代
✅面试求职冲刺—岗位JD解析、简历AI项目包装、高频面试题汇总、模拟面经

以上6大模块，看似清晰好上手，实则每个部分都有扎实的核心内容需要吃透！

我把大模型的学习全流程已经整理📚好了！抓住AI时代风口，轻松解锁职业新可能，希望大家都能把握机遇，实现薪资/职业跃迁～

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】