Claude Code 是怎么收集上下文的？
在看 Anthropic 的工程博客 《Building agents with the Claude Agent SDK》时，有一个问题特别关键：
Agent 在执行任务时，究竟是怎么获取上下文的？
很多人一开始的直觉是： 把所有相关数据都塞进模型上下文。
但在真实系统里，这基本不可行。日志、代码库、文档库都可能是 GB 级别。Claude 再大的 context window 也扛不住。
Anthropic 在这篇文章里给了一个很实用的框架，大致可以分成两类策略：
一类解决 怎么找到信息 另一类解决 上下文怎么不被撑爆
对应四种具体方法：
- Agentic Search
- Semantic Search
- Subagents
- Compaction
Agent 面临的两个现实问题
如果你自己做过 Agent，其实很快就会遇到两个问题。
第一个是 信息怎么找。
真实任务的数据源非常多，比如：
- 日志
- 文档
- 数据库
- 用户历史记录
- 代码仓库
Agent 必须从这些信息里找到真正有用的部分。
第二个问题是 上下文空间有限。
即使模型有几十万 token 的上下文，长时间运行的 Agent 还是会把它填满。
所以 Claude 的做法是： 把问题拆成两个层面。
先解决 信息怎么获取，再解决 上下文怎么管理。
Agentic Search：最简单也最可靠的方式
Anthropic 在文章里反复强调的一点是：
优先使用 Agentic Search。
它的思路其实很工程化：
不要提前把数据喂给模型。 而是让 Agent 自己去找。
比如一个很常见的场景：日志分析。
假设有一个 100MB 的日志文件：
log.txt
如果直接塞进上下文，基本等于把窗口炸掉。
但如果 Agent 运行：
grep error log.txt
只会返回包含 error 的行。
如果想看最新的日志：
tail -n 100 log.txt
甚至可以组合：
grep error log.txt | tail -n 10
这样 Agent 只会把真正相关的几十行数据带回上下文。
对模型来说，这些内容可能只有几 KB。
这种方式有几个很明显的好处：
首先是 精准过滤。 上下文只包含需要的信息。
其次是 可追溯性。 Agent 执行了什么命令，用户是能看到的。
最后是 组合能力。 Linux 的工具链本身就很强大，grep、awk、sed、tail 组合起来已经可以解决很多问题。
所以 Anthropic 的建议是： 如果能用 Agentic Search，就不要急着上复杂方案。
Semantic Search：当关键词不够用的时候
另一种常见方法是语义搜索。
流程大致是：
文档切块 → embedding → 向量数据库 → 相似度检索。
这种方法在知识库、FAQ、文档检索里非常常见。
和 Agentic Search 比起来，它更像是“按含义查找信息”。
举个简单例子。
如果用户问：
“系统为什么出现异常？”
日志里可能写的是：
error
failure
fault
关键词搜索不一定能全部匹配到。
但语义搜索通常可以把这些相关片段都找出来。
不过 Anthropic 也提醒了一点：
语义搜索虽然快，但问题也不少。
比如：
- 结果不透明
- 调试困难
- 数据维护成本高
所以他们的建议是：
先用 Agentic Search，只有在数据规模特别大或者需要语义匹配时，再考虑向量检索。
Subagents：用隔离解决上下文膨胀
当 Agent 开始处理复杂任务时，还有一个常见问题：
上下文越来越大。
Claude 的一个做法是使用 Subagents。
简单理解就是： 把任务拆给多个小 Agent。
每个子 Agent 都有自己的上下文窗口，可以独立处理信息。
例如邮件分析系统：
主 Agent 需要查历史邮件。
如果直接把几千封邮件都放进上下文，肯定会爆。
更好的方法是：
主 Agent 启动几个搜索 Agent。
每个 Agent 去查询邮件历史，然后只返回相关摘要。
最后主 Agent 只处理这些结果。
这样做有两个好处：
第一是 并行处理。 多个 Agent 可以同时运行。
第二是 上下文隔离。 每个子任务都在自己的上下文里完成。
主 Agent 只接收必要信息。
Compaction：让 Agent 可以长期运行
最后一个策略是 Compaction。
这个机制解决的是时间维度的问题。
如果一个 Agent 连续运行几个小时，对话历史会越来越长。
最终还是会触碰上下文限制。
Claude Agent SDK 的做法是：
当上下文接近上限时，自动对历史对话进行总结。
旧消息会被压缩成一段摘要，然后替换原始内容。
这样上下文就能持续保持在可控范围内。
从系统设计角度来看，这其实是一个 长期运行 Agent 的必要机制。
Claude Agent 的一个核心设计理念
看完这些策略，其实可以总结出 Claude Agent 的一个设计哲学：
上下文不应该一次性加载，而应该按需获取。
换句话说：
不要把所有数据喂给模型。
让 Agent 在需要的时候：
- 去搜索
- 去读取
- 去筛选
只把必要的信息带回上下文。
这样 Agent 才能处理远超 context window 的数据规模。
