提升 Claude Code 的智力，從優化你的 Context Window 做起（2026-05-03）
🔗 https://www.facebook.com/share/p/1E74tpL4Tj/（永久連結：/groups/1224997379198346/permalink/1288694536161963/） 平台：Facebook（Claude Taiwan 社群）｜ 作者：胡嘉璽（Josh Hu）｜ 分類：knowledge/references/AI工具.md
維度 1：定性（基本資料）
- 平台：Facebook（Claude Taiwan 社群，封閉社群，需申請加入）
- URL：https://www.facebook.com/share/p/1E74tpL4Tj/
- 作者：胡嘉璽（Josh Hu）— Claude Taiwan 社群積極分享者，hackmd.io/@joshhu 有技術文章輸出
- 發布日期：2026-05-03（推算，與 inbox.md 收入日一致）
- 互動數據：按讚 157 / 留言 2 / 分享 66（分享數顯著高於留言，代表「轉發給同事」類型的高實用性訊息）
- 內容類型：技術文件型（結構化要點列表 + 具體數字 + 操作建議）
- 可信度評估：高。作者提供具體數據（27%、407 Token）+ 附外部 HackMD 文章連結 + 按讚/分享比例顯示社群認可
維度 2：讀取記錄
- 讀取方式：Chrome MCP
navigate→javascript_tool（document.body.innerText 精確定位段落） - 內容完整性：完整（取得完整貼文正文 + 核心數據）
- 讀取限制：Facebook 社群貼文需已登入，get_page_text 返回全頁雜訊，改用 JS 精確提取目標段落，HackMD 外部連結未進入讀取（作為延伸參考）
維度 3：核心概念五欄比較
| 概念 | A 是什麼 | B 解決什麼問題 | C 我們目前做法 | D 來源做法 | 比較結論 |
|---|---|---|---|---|---|
| Context Window 有效利用率 | 典型 Context Window 中真正對生產力有幫助的內容僅 27% | 雜訊過多導致 Claude 輸出品質下降、幻覺上升 | CLAUDE.md 已達 1,200+ 行（高複雜度）；SKILL 機制分流部分雜訊 | 無優化時 27% 有效；優化後作者達到高效比例 | A：高；B：可用；C：有架構但內容量大；D：部分採（方向正確，全面優化需系統評估） |
| 10 大 Context 雜訊來源 | CLAUDE.md / Session 歷史 / Hooks 注入 / Cache Miss / Skill 載入 / 工具定義 / 延伸思考 / 錯誤方向 / Plugin 更新 / 非有意義內容（共 10 項） | 不知道雜訊從哪來，無法有針對性地優化 | 有 CLAUDE.md + SKILL 機制，但未系統性對照 10 大雜訊做逐項評估 | 逐一識別 10 個雜訊來源，針對性優化 | A：高；B：可用；C：改善（建議作為季度自查框架）；D：全採（清單直接引用） |
| CLAUDE.md Token 預算控制 | 建議 60-80 行 / <1000 Token；作者實測 407 Token；建議改為英文 | CLAUDE.md 過長增加每次 Context 開銷，中文比英文消耗更多 Token | TZLTH-HQ CLAUDE.md 非常長（多個 HARD STOP 規則），中文撰寫 | 精簡到 <1000 Token，全改英文；用 HackMD 參考模板 | A：高；B：可用；C：保留大方向（精簡有價值）；D：部分採（精簡 YES；全英文改寫 NO — Tim 需中文閱讀，且 TZLTH-HQ 規則複雜度無法壓到 407 Token） |
維度 4：可採用點（具體行動）
- 【知識庫/KM】將「10 大 Context Window 雜訊來源清單」存入 references/AI工具.md，作為評估框架 → 提升知識庫可引用性 → 低 → P3（已在本次分析中補完）
- 【策略部/STR】在「季度盤點」SKILL 新增一個 Step：對照 10 大雜訊來源自查 CLAUDE.md 設計，評估哪些雜訊源是最大損耗 → 提升 CLAUDE.md 設計品質 → 中 → P3
- 【知識庫/KM】閱讀 HackMD 作者的 CLAUDE.md 精簡範例（https://hackmd.io/@joshhu/SkTFivN0bl），評估精簡方向是否適用於 TZLTH-HQ 規則架構 → 可能促成 CLAUDE.md 局部精簡 → 中 → P3
維度 5：明確不採用
- 全英文改寫 CLAUDE.md：Tim 需要以中文閱讀規則，且 TZLTH-HQ 的規則複雜度（多個 HARD STOP、部門架構、收尾七件事）本質上無法壓縮到 407 Token。英文化只在無需閱讀理解的情況下才有意義（如簡短的全局設定文件）。不採用原因：與現有架構衝突 + 使用者可讀性需求不符。
- 無條件目標 <1000 Token：TZLTH-HQ 的治理複雜度決定了規則文件必然較長。可以改善信噪比（去除冗餘），但不能以 Token 數作為硬性目標而犧牲規則完整性。不採用原因：成本過高（規則完整性損失），替代方案：SKILL 機制已有效分流 Context 負擔。
維度 6：整體對比判斷
- 與現有系統的關係：補充缺口。TZLTH-HQ 有複雜的 CLAUDE.md 架構，但從未系統性評估 Context Window 有效率，這個「27%」數字和 10 大雜訊來源清單提供了具體的評估框架。
- 最有價值的一點：「雜訊分類框架」——10 大雜訊來源可直接作為 CLAUDE.md 設計的對照清單，幫助評估哪些部分是真正有意義的 Context。
- 最需要注意的風險：過度精簡 CLAUDE.md 會破壞 TZLTH-HQ 精心設計的 HARD STOP 機制，需要區分「精簡雜訊」和「削減規則」。
- 整體評分：高價值。27% 有效比例這個數字量化了「優化 Context = 提升智力」的概念，10 大雜訊清單是可直接行動的框架。
維度 7：立即行動
本次無立即行動，採用點已列入 tasks.md（P3 × 3 條）。
維度 8（確認）
- Step A condensed entry 已寫入：AI工具.md ✅（含
**完整分析**pointer +**採用點**欄位） - Step B 完整八維分析：本檔案
2026-05-03-fb-claude-code-context-window.md✅ - Step C index 已更新：knowledge/analyses/README.md ✅