Komprimieren Sie CLAUDE.md-Dateien, um die Systemaufforderungsaufblähung in Claude Code zu reduzieren

Optimierung der Claude-Kontextnutzung
Claude Code fügt CLAUDE.md-Dateien in jede Konversation als Systemprompt-Kontext ein, einschließlich projektbezogener CLAUDE.md, globaler Dateien unter ~/.claude/CLAUDE.md und persistenter Speichersystemdateien. Jedes Zeichen in diesen Dateien verbraucht Kontext, den Claude verarbeitet, bevor er Benutzeranfragen beantwortet, was die Leistung möglicherweise verringert, wenn das Signal-Rausch-Verhältnis niedrig ist.
Der Komprimierungsansatz
Der Autor schlägt vor, menschenlesbare Dekoration zu entfernen und nur maschinenlesbare Signale beizubehalten, indem diese Regeln angewendet werden:
- Markdown-Dekoration entfernen: Überschriften (##), Fettdruck (**), Kursiv (*), horizontale Linien (---)
- Fließtext in Notation umwandeln: Verwenden Sie kompakte Schlüssel-Wert-Paare oder pipe-getrennte Listen anstelle erklärender Sätze
- Redundante Rahmung entfernen: Beseitigen Sie Sätze wie "Dieser Abschnitt enthält..." oder "Die folgende Tabelle zeigt..."
- Kontext über Dateien hinweg deduplizieren: Behalten Sie identische Informationen an einem kanonischen Ort
- Tabellenformatierung komprimieren: Ersetzen Sie ausführliche Markdown-Tabellen durch kompakte Notation
Vorher- und Nachher-Beispiele
Beispiel für ein Verzeichnisindex-Tabelle:
Vorher (Markdown-Tabelle):
## Directories | Directory | What | When to read | |-------------|-----------------------------|---------------------------------------| | src/ | Application source code | Working on application logic | | infra/ | Terraform and Ansible files | Modifying infrastructure | | docs/ | Architecture documentation | Understanding system design | | scripts/ | Deployment and utility scripts | Running or editing deploy workflows |
Nach der Komprimierung:
Dirs: src/=application source | infra/=terraform+ansible | docs/=architecture docs | scripts/=deploy+utility scripts
Beispiel für Speichersystemanweisungen:
Vorher:
## Memory System Persistent memory lives at `/path/to/memory/`. **Session start**: Read `memory/_index.md` to re-establish context when doing substantive work in this repo. **During work** — Write to memory when something significant happens: - A discovery or non-obvious finding → append to `memory/discoveries.md` - A new skill applied or learned → update `memory/skills.md`
Nach der Komprimierung:
Memory: /path/to/memory/ session-start: read _index.md for substantive work during-work (write on significant events only, signal not noise): discovery → append memory/discoveries.md skill learned → update memory/skills.md
Komprimierungsergebnisse
Der Autor erzielte die folgenden Reduzierungen über Dateien hinweg:
- _index.md: 3.560 → 2.036 Zeichen (43 % Reduzierung)
- discoveries.md: 11.260 → 5.609 Zeichen (50 % Reduzierung)
- interests.md: 4.315 → 2.561 Zeichen (41 % Reduzierung)
- skills.md: 16.176 → 5.353 Zeichen (67 % Reduzierung)
- career-timeline.md: 17.882 → 5.027 Zeichen (72 % Reduzierung)
- ~/.claude/CLAUDE.md: 2.350 → 1.495 Zeichen (36 % Reduzierung)
Gesamtes komprimiertes Speichersystem: 60.264 Zeichen mit etwa 60-70 % Reduzierung insgesamt. Die Projekt-CLAUDE.md wurde noch aggressiver komprimiert.
📖 Read the full source: HN AI Agents
👀 Siehe auch

Biss- vs. Knabber-Ansätze für KI-Codierungsagenten
Ein NLP-Forscher erklärt zwei mentale Modelle für die Arbeit mit KI-Codierungsagenten: den 'Biss'-Ansatz mit umfassenden Anleitungsdateien wie claude.md und den 'Knappern'-Ansatz mit schrittweiser Verbesserung durch mehrere Durchgänge.

Claude CLI v2.1.154 bricht lokales vLLM — Einzeiliger Patch behebt es
Claude CLI ≥2.1.154 fügt drei neue API-Rollen (ctx, msg, system) hinzu, die die lokale vLLM-Kompatibilität brechen. Ein einzeiliger Patch für vLLMs Anthropic-Protokoll stellt sie wieder her.

Tag-1-Konfiguration: 90% der häufigen OpenClaw-Probleme vermeiden
Legen Sie Ausgabenlimits fest, schreiben Sie eine SOUL.md und passen Sie das Heartbeat-Intervall an, um Überraschungsrechnungen, unerwünschtes Verhalten und Kostenexplosionen zu vermeiden.

Verbesserungen der Eingabeaufforderungsstruktur für zuverlässige KI-Fähigkeitsausführung
Ein Entwickler teilt zwei wichtige Prompt-Modifikationen, die seine Marktanalyse-Fähigkeit dazu gebracht haben, vollständig ohne manuelles Eingreifen zu laufen: explizites Trennen dessen, was die Fähigkeit zurückgeben sollte, gegenüber dem, was sie tun sollte, und das Definieren expliziter Fehlerbedingungen, um Improvisation zu verhindern.