【Bug已解决】Claude Code context length exceeded / token limit reached — Claude Code 上下文窗口超限解决方案

1. 问题描述

Claude Code 在多轮对话或处理大型代码库时，报出上下文窗口 Token 超限错误：

# 多轮对话后突然报错 $ claude > 帮我重构这个项目的所有 API 接口 # 对话进行到一半时报错 Error: Context length exceeded Your request has reached the maximum context window size (200000 tokens). Please reduce the conversation length or start a new session. # 或表现为 API 返回 400 错误 $ claude > 继续分析上一个模块 Error: BadRequestError: 400 Bad Request { "error": { "type": "invalid_request_error", "message": "This request exceeds the maximum context length." } } # 或 Claude Code 自动提示 ⚠️ Context window is 95% full. Consider starting a new conversation to maintain optimal performance. # 或工具调用结果被截断 $ claude > 读取 package.json 并分析依赖 Error: Tool output truncated due to context length limit

有时表现为：

• 多轮对话累积后无法继续提问
• 读取大文件后 Token 计数溢出
• 工具调用结果被自动截断
• Claude 回复质量明显下降（上下文丢失）
• 系统提示上下文窗口已满

这个问题在以下场景中特别常见：

• 单次会话超过 20 轮对话
• 分析超过 10000 行的代码文件
• 一次性粘贴大量代码到对话中
• 读取大型 JSON/CSV/日志文件
• 历史上下文未被自动压缩
• 工具调用返回大量数据未截断

2. 原因分析

核心原理拆解

用户输入 + 文件内容 + 工具结果 + 系统提示 → 拼接为完整请求 ↓ 所有内容转换为 Token 计数 ↓ Token 总数超过模型上下文窗口上限（200K） ↓ API 拒绝请求，返回 400 错误

Token 计算规则

约 1 Token ≈ 4 个英文字符 ≈ 0.75 个英文单词 约 1 Token ≈ 1-2 个中文字符 约 1 行代码 ≈ 5-15 Tokens 约 1000 行代码 ≈ 5000-15000 Tokens

原因分类表

3. 解决方案

方案一：清理对话历史（最推荐）

# 步骤 1：在 Claude Code 中使用 /clear 命令 claude > /clear # 清除所有历史对话，释放上下文窗口 # 步骤 2：使用 /compact 压缩上下文（保留摘要） claude > /compact # Claude Code 会将历史对话压缩为摘要，释放 Token # 步骤 3：开启新会话继续工作 claude > 基于之前的分析，继续处理 auth 模块的优化 # 步骤 4：养成习惯，每完成一个子任务就清理 claude > 完成 API 重构 > /compact > 继续处理数据库迁移

方案二：分批读取大文件

# 步骤 1：不要让 Claude 一次读取整个大文件 # 错误做法 claude > 读取 src/database/huge-orm.ts 并分析 # 正确做法：指定行范围 claude > 读取 src/database/huge-orm.ts 第 1-200 行并分析 # 步骤 2：使用外部工具预处理 wc -l src/database/huge-orm.ts # 假设 12000 行 # 步骤 3：按模块拆分 grep -n "^class\|^function\|^export" src/database/huge-orm.ts # 找到各个模块的起始行 # 步骤 4：分批让 Claude 分析 claude > 分析 src/database/huge-orm.ts 第 1-500 行的 Model 基类 # 分析完后 > /compact > 分析第 501-1000 行的 Query Builder

方案三：过滤工具输出

# 步骤 1：避免让 Claude 执行返回大量结果的命令 # 错误做法 claude > 运行 grep -r "import" src/ 并分析所有导入 # 正确做法：限制返回行数 claude > 运行 grep -r "import" src/ | head -50 并分析 # 步骤 2：使用更精确的搜索 claude > 运行 grep -rn "import.*Database" src/ --include="*.ts" | head -30 # 步骤 3：将大结果保存到文件，按需读取 grep -r "import" src/ > /tmp/imports.txt claude > 读取 /tmp/imports.txt 第 1-50 行并分析

方案四：配置上下文窗口策略

# 步骤 1：在 settings.json 中配置自动压缩 cat > ~/.claude/settings.json << 'EOF' { "contextWindow": { "autoCompact": true, "compactThreshold": 0.8, "maxFileSize": 50000 } } EOF # 步骤 2：配置文件大小限制 # maxFileSize 单位为字符数，50000 约 12500 Tokens # 超过此大小的文件 Claude 会提示分批读取 # 步骤 3：重启 Claude Code claude # 步骤 4：验证配置生效 claude --debug 2>&1 | grep -i "context" # 应看到 autoCompact enabled

方案五：使用外部摘要预处理

# 步骤 1：先用简单工具生成文件摘要 # 提取函数签名 grep -n "^export\|^function\|^class\|^interface" src/large-module.ts > /tmp/summary.txt # 步骤 2：提取关键注释 grep -B1 -A1 "/**" src/large-module.ts >> /tmp/summary.txt # 步骤 3：让 Claude 基于摘要分析 claude > 读取 /tmp/summary.txt 并分析模块结构 # 步骤 4：针对感兴趣的函数再深入 claude > 读取 src/large-module.ts 第 150-200 行的 handleRequest 函数

方案六：拆分会话为子任务

# 步骤 1：将大型任务拆分为多个子任务 # 不要在一个会话中完成所有工作 # 会话 1：分析项目结构 claude > 列出 src 目录下所有文件的路径 > /clear # 会话 2：分析核心模块 claude > 分析 src/core/engine.ts 的架构设计 > /clear # 会话 3：分析 API 层 claude > 分析 src/api/routes.ts 的接口定义 > /clear # 会话 4：整合分析 claude > 基于各模块的分析结果，设计重构方案

4. 各方案对比总结

5. 常见问题 FAQ

5.1 Claude Code 的上下文窗口有多大

• Claude 3.5 Sonnet / Claude 4：200,000 Tokens（约 150,000 个英文单词）
• 实际可用约 180,000 Tokens（系统提示和工具定义占用约 20,000）
• 中文约 100,000-150,000 字符

5.2 /clear 和 /compact 的区别

• /clear：完全清除对话历史，上下文从零开始
• /compact：将历史对话压缩为摘要保留，释放大量 Token 但保持上下文连续性
• 优先使用/compact，需要完全重置时用/clear

5.3 如何估算当前消耗的 Token 数

# 方法 1：Claude Code 内置提示 # 注意底部状态栏的上下文使用百分比 # 方法 2：使用 tiktoken 估算 pip install tiktoken python3 -c " import tiktoken enc = tiktoken.encoding_for_model('gpt-4') with open('src/large-file.ts') as f: tokens = enc.encode(f.read()) print(f'Token count: {len(tokens)}') " # 方法 3：粗略估算 # 英文：字符数 / 4 ≈ Token 数 # 中文：字符数 / 1.5 ≈ Token 数 # 代码：行数 * 10 ≈ Token 数

5.4 为什么工具输出会导致超限

Claude Code 的工具调用结果会完整保留在对话历史中。如果grep -r返回 5000 行结果，每行约 10 Tokens，就消耗 50,000 Tokens，占总窗口的 25%。

5.5 settings.json 中 maxFileSize 设多少

• 建议设为 50000（字符数，约 12,500 Tokens）
• 最大不超过 100000（约 25,000 Tokens）
• 超过此大小 Claude 会提示分批读取而非直接加载

5.6 自动压缩什么时候触发

• 当上下文使用达到compactThreshold（默认 0.8 = 80%）时自动触发
• 自动压缩会将早期对话总结为摘要
• 压缩后 Token 数会降低约 60-70%

5.7 多轮对话每轮大约消耗多少 Token

• 每轮对话（用户输入 + Claude 回复 + 工具调用）约消耗 2,000-10,000 Tokens
• 20 轮对话约消耗 40,000-200,000 Tokens
• 超过 15 轮建议使用/compact

5.8 读取整个目录树会消耗多少 Token

# 一个中型项目 find src -type f | wc -l # 500 个文件 # 每个文件路径约 20-50 Tokens # 500 * 30 = 15,000 Tokens 仅路径 # 如果读取内容，总计可能超过 500,000 Tokens

5.9 上下文超限和速率限制的区别

• 上下文超限：单次请求的 Token 数超过模型上限，返回 400 错误
• 速率限制：单位时间内的请求数或 Token 总量超过配额，返回 429 错误
• 两者完全不同，解决方案也不同

5.10 排查清单速查表

□ 1. 对话超过 15 轮时使用 /compact □ 2. 完成子任务后使用 /clear 重置 □ 3. 大文件按 200-500 行分批读取 □ 4. grep/find 结果用 head -50 限制 □ 5. settings.json 设置 autoCompact: true □ 6. maxFileSize 设为 50000 □ 7. 不要一次性粘贴超过 500 行代码 □ 8. 大任务拆分为多个独立会话 □ 9. 用 grep 提取函数签名作为摘要 □ 10. 关注状态栏的上下文使用百分比

6. 总结

1. 根本原因：上下文超限最常见原因是多轮对话历史全量累积（40%）和大文件一次性读取（25%），导致总 Token 数超过 200K 上限
2. 最佳实践：每完成一个子任务后使用/compact压缩上下文，保持上下文使用率在 80% 以下
3. 文件读取策略：大文件按 200-500 行分批读取，使用grep提取函数签名作为导航索引
4. 工具输出控制：所有grep/find/cat命令都加head -50限制返回行数，避免工具结果撑爆上下文
5. 最佳实践建议：在settings.json中启用autoCompact并设置compactThreshold: 0.8，将大型任务拆分为多个独立会话分别处理

故障排查流程图

flowchart TD A[上下文窗口超限] --> B[使用 /compact 压缩历史] B --> C{是否仍超限?} C -->|否| D[✅ 问题解决] C -->|是| E[使用 /clear 完全重置] E --> F[开启新会话] F --> G{单文件过大?} G -->|是| H[分批读取: 每次 200-500 行] G -->|否| I{工具输出过大?} I -->|是| J[grep/find 加 head -50] I -->|否| K{粘贴代码过多?} K -->|是| L[缩减到关键片段] K -->|否| M[检查 autoCompact 配置] H --> N[重启 claude 验证] J --> N L --> N M --> O[settings.json: autoCompact=true] O --> N N --> P{是否稳定?} P -->|是| D P -->|否| Q[拆分为多个独立会话] Q --> R[每会话处理一个子任务] R --> D