实际场景的方法论指导
Cursor 与 Claude4.0 sonnet 的交互，分析 React 官方项目
我正在编写一篇技术文章，主题聚焦于模型上下文窗口的大小对于 AI 生成代码或者分析结果的质量。
这篇文章将会包含如何降低模型上下文大小占用的方法论。
该项目是 React 官方项目，异常庞大，如果我提出问题，你是否是通过将整个项目的所有代码文件来读取进行分析的？
如果不是，你和 CursorIDE 之间进行了哪些交互？分别读取了什么文件？这些交互阶段分别占用了多少 token？
下面是我的问题，以你针对这个问题的分析来回答我上面的要求：
帮我看一下 useState 这个 Hook 是怎么实现的
- 使用比较语义化的搜索进行描述性查询，不直接进行关键词搜索。因为关键词搜索可能搜索到与最终问题结果无关的内容
- 将搜索进行分层，搜索策略从宽泛到具体，先找到入口点和接口定义，再深入核心实现，最后查看具体的算法细节。进一步降低读取的代码量
- 只选择性读取代码的实际内容，只读取特定文件的关键部分，避免读取整个大文件，并且限制每个文件能够读取的内容量，防止将超大文件直接读入从而降低内容生成速度和增加 token 占用量
- 对于拿到的搜索发现，及时进行记录，并且确认搜索结果是否合法/是否符合需求。在每次拿到搜索结果后与之前的搜索结果进行确认和关联，以此来保持搜索结果的相关性，建立代码之间的关联关系。
如何编写 Prompt，避免上下文窗口容量溢出
多轮对话上下文窗口容量溢出
- 主动要求 AI 对关键信息进行记忆：每当我们有重要发现时，我们可以对 AI 说：
请记忆以下重要内容:xxx
- 既然 AI 本身由于上下文窗口大小的限制，记忆能力并不是无限的，所以我们可以每间隔几轮或者十几轮，对 AI 说：
"请总结当前调试状态，包括：
- 核心问题
- 已排除的可能性
- 下一步方向"
- 我们可以针对遇到的新的错误，主动要求 AI 删掉某些比较旧的无用上文，来让它有更多的空间来对新的内容进行存储，例如我们要求：
## 更新 #[序号] - [时间戳]
### 新发现 [P0/P1/P2]
[具体发现内容]
### 验证结果 [P1]
- 假设: [具体假设]
- 验证方法: [如何验证]
- 结果: [成功/失败/部分成功]
- 结论: [从结果得出的结论]
### 新的错误信息 [P0]
一轮对话中上下文窗口溢出
- 将问题进行分段处理
# 原始复杂问题 → 分解为多个子问题
## 子问题1：错误定位
"React应用在生产环境出现白屏，错误信息是：[核心错误信息]，请帮我分析可能的原因"
## 子问题2：环境差异
"开发环境正常，生产环境白屏，这种情况通常是什么原因？我的环境配置是：[关键配置]"
## 子问题3：具体解决
"确认是 polyfill 问题，如何在 webpack 配置中添加 Object.entries 的 polyfill？"
- 不要在对话中粘贴大段代码，而是使用代码摘要，或者提醒模型哪部分更加重要，更加值得关注。
# 对话1结束时
"请生成一个50字以内的问题摘要，包含：1)核心问题 2)主要发现 3)下一步建议，我将用于开启新对话"
# AI回复示例"SUMMARY: React生产环境TypeError，Safari特有，缺少polyfill。FOUND: Object.entries不支持。NEXT: 检查babel配置和browserlist设置。"
或者：
# 不要这样：[粘贴100行代码]
# 而是这样：
CODE: OrderForm.jsx:45, handleSubmit function
ISSUE: Accessing user.data.id where user might be undefined
CONTEXT: After async API call, before setState
