[TL;DR] 重點快讀

1. 警惕上下文腐敗：Token 堆疊會稀釋 AI 注意力，導致輸出品質崩壞，必須主動介入管理。
2. 犯錯立刻倒帶：善用 /rewind 抹除無效路徑，防止錯誤推論汙染後續對話邏輯。
3. 戰略外包粗活：派駐 Subagents 處理龐雜文件掃描，確保主桌面僅保留核心決策資訊。
4. 定期歸零桌面：新任務啟動時果斷執行 /clear，搭配精煉交接清單，給 AI 最乾淨的起跑點。

馴服 AI 的百萬記憶狂潮：Claude Code 完美溝通指南

想像一下，你請了一位過目不忘的頂級助理，他能一次將一百萬個字印在腦海中。聽起來宛如神助？真實情況卻充滿陷阱：當他的大腦塞滿了前天的除錯草稿、昨天的無效嘗試，以及今天的待辦事項時，他會開始變得遲鈍、抓錯重點。這正是許多人在使用具備 100 萬 Token 上下文能力的 Claude Code 時遇到的真實困境。龐大的記憶力是強大的武器，但懂得如何幫 AI「清理桌面」，才是你徹底發揮它潛能的終極關鍵。

從「百萬記憶」到「上下文腐敗」

我們常聽到的「上下文視窗（Context Window）」，就像是 AI 專屬的辦公桌。Claude Code 擁有一張極度寬廣的超級大桌子，它能將你們所有的對話紀錄、修改過的程式碼、呼叫過的工具結果，統統攤在桌上同時觀看。

龐大的桌面空間伴隨著隱形的代價，我們稱之為「上下文腐敗（Context Rot）」。當桌面上堆滿了三、四十萬字的資料，AI 的注意力必然會開始渙散。那些早期為了解決問題而產生的錯誤嘗試、已經失去時效的舊指令，全都會變成干擾視線的雜物。大腦超載的 AI 會失去原有的敏銳度，開始給出令人錯愕的答案。

深入一點：為什麼這很重要？

這牽涉到 AI 注意力機制的數學本質。在生成下一個字詞時，AI 必須將桌面上所有的資訊進行全盤掃描與交叉比對。資源與「專注力」會被無限稀釋。更重要的是，這張桌子的邊界是絕對的硬限制（Hard Cutoff）。當空間即將見底，你必須主動介入，將龐雜的工作過程濃縮成精華指令，帶著清晰的目標，換一張乾淨的桌子繼續工作。這套流程，我們稱為「壓縮（Compaction）」。

掌握 AI 溝通的「存檔與時光機」

每次你對 Claude 下達指令並獲得回覆後，你們就來到了一個關鍵的分岔路口。多數人習慣像日常聊天一樣順著往下講，但專業玩家懂得靈活運用幾種截然不同的策略來管理這張桌面。

面對一項全新的任務，最俐落的做法是輸入 /clear 開啟全新的對話。這等於把舊桌子徹底清空。你要親自寫下精煉的交接清單：「我們已經完成了 A，現在的限制條件是 B，需要參考的文件是 C 和 D。」這種做法需要你花點心思統整，卻能給予 AI 最純淨、最準確的起跑點。唯一的例外是高度相關的延續任務，例如剛寫完程式碼接著要寫說明文件，這時保留舊桌面可以省下 AI 重新閱讀文件的時間與運算成本。

這裡隱藏著一個極具威力的高階技巧：學會「倒帶（Rewind）」。當 AI 閱讀了幾份文件，嘗試了一種解法卻完全碰壁時，人類的直覺是急忙糾正：「你弄錯了，改用另一種方法。」停下來。帶著錯誤的記憶與失敗的推論繼續往下走，只會讓桌面更加混亂。最好的策略是雙擊 Esc 鍵或輸入 /rewind，搭乘時光機回到 AI 犯錯前的那一刻。你直接給予未來的情報：「剛剛那條路不通，直接走 B 路線。」這種做法能徹底抹除錯誤嘗試帶來的認知污染。

實戰視角：這對我們有什麼影響？

在漫長的專案中，你必然會用到 /compact（壓縮）功能。這就像請助理自行把滿桌的廢紙整理成一份精簡的摘要報告，然後把廢紙全數丟棄。你必須格外謹慎，因為 AI 在執行這項總結任務時，正是它大腦最擁擠、狀態最差的時候。如果前一小時你們都在瘋狂除錯，AI 的摘要可能只會記下修復過程，卻把你們最初打算解決的另一個潛在問題給遺忘了。提前給予明確的濃縮指示（例如：請專注於身分驗證模組的重構，忽略剛剛的測試除錯），能有效避免這類災難。

更具戰略眼光的做法是懂得「外包」。利用「子代理（Subagents）」功能，你可以隨時派一個分身去開啟全新的乾淨桌面，處理那些會產生大量中間廢料的粗活。例如，你可以下令：「派一個子代理去閱讀那個舊專案的數十份程式碼，搞懂它的登入流程後，直接把實作方式總結給我。」這個分身做完苦力後，只會將最終的精華結論帶回你的主桌面。

透過精準的切換、倒帶與外包，你依然掌控著宏大的全局，而你的 AI 核心大腦，將始終保持初見時的那份輕盈與無與倫比的敏銳。