Analysis CLAUDE.md in CC

gistfile1.md

Claude Code 上下文与指令注入机制研究总结

1. claude.md 注入逻辑

• 搜集机制：通过 GV 和 XD0 函数递归搜集项目根目录、.claude/ 目录以及全局配置中的 .md 指令文件。
• 注入方式：在每轮 API 请求前，由 _3A 函数将搜集到的内容包裹在 <system-reminder> 标签中。
• 注入位置：始终作为 User 消息数组的第 0 项（Index 0）注入，即位于整个对话历史的最前端。
• 缓存优化：利用 Anthropic 的 Prompt Caching（前缀缓存） 机制。由于指令位置固定且内容稳定，模型会缓存这部分内容，后续轮次仅需支付极低的缓存读取费用。

2. 消息裁剪（Compaction）的影响

• 逻辑顺序：Claude Code 执行裁剪（总结/删除超长消息）的步骤发生在指令注入 之前。
• 结论：.claude.md 的内容是 「裁剪免疫」 的。它不属于会被持久化保存或修剪的对话历史，而是每轮动态挂载的「插件」，因此永远不会因为对话过长而被总结或丢弃。

3. 「喵理论」验证分析

「喵理论」：指通过在 claude.md 中要求模型回答时加上特定词（如「喵」）来判断规则是否生效。

理论有效性

• 成立：能有效证明 claude.md 文件已成功加载并被模型「读到」。
• 不完全成立：不能 100% 证明模型会严格执行文件中的所有复杂规则。

潜在失效场景

1. 指令漂移：任务极度复杂时，模型可能优先关注 Tool Use 逻辑，忽略非关键的风格指令。
2. 局部忽略：模型可能判定「喵」为低优先级噪声，在保证代码质量的前提下主动修剪该输出。
3. 视觉盲区：在模型调用工具（JSON 输出）的过程中，「喵」通常不会出现。

优化建议

将「喵」与核心感知挂钩，例如：「若修改了文件，请在回复末尾注明 [File Updated - Meow]」。这样可以同时验证模型的「规则读取」与「逻辑判断」能力。