為 Claude Code 打造高效「上下文包」：終止 AI 在大型專案中的盲目探索

作者分享了他如何為 Claude Code 建立一個『上下文包』(CLAUDE.md + docs/claude)，以避免其在大型生產程式碼庫中盲目搜尋，顯著提升了效率。這是關於優化 LLM 在大型專案中使用的絕佳實戰方法。

這篇文章介紹了作者如何為 Claude Code 建立一套 Markdown「上下文包」，以解決其在大型生產專案中盲目搜尋、重複探索架構及陷入常見陷阱的問題。 • 這個「上下文包」的核心是 CLAUDE.md，其中包含 互動規則，並引導 Claude 閱讀 docs/claude/ 資料夾中專為 AI 設計的文件。 • 關鍵策略包括 INDEX.md 決策表，用於引導 Claude 迅速找到相關的 flows/<area>.md 檔案，以及專門記錄 跨領域陷阱 的 GOTCHAS.md。 • Claude 在進行任何程式碼調查前，必須先透過這些文件獲取背景知識，從而大幅提升效率。 • 為了確保文件永續性，Claude 本身負責維護 這個上下文包，在每次非瑣碎的重構或發現新陷阱後，即時更新相關檔案。 • 此外，文件嚴格遵循 大小預算、使用條列式和表格，並將 AI 文件與人類文件分離，以維持其簡潔和密度。

作者指出：「一個 250 行精心策劃的文件勝過 50 個搜尋結果，且耗費的上下文成本微乎其微。」 • 最終，這種設定讓 Claude 每次會話都能直接掌握所需的表格、組件和潛在陷阱，省去了大量的初期探索時間。