一句话结论(TL;DR)
- 在 30% 上下文左右就该交接:不要等到上下文爆满、模型开始失忆才切对话。
- 交接不能省模型智力:盲评中 Opus 稳定 8.4–8.8 分,DeepSeek 6.4–7.7 分,Gemini 5.4 分(且存在编造行号/数字)。
- 正确姿势:当前主对话一点额度不花,由后台脚本直接读取会话原始记录,单独起一个 Opus 进程写出交接文档,把「交接文件路径 + 照这个继续做」放进剪贴板。
为什么「让当前对话自己总结交接」很亏
很多人的习惯是:聊到一半快满了,直接对当前 AI 说「总结一下当前进度,我要开新窗口」。
这样做有两个痛点:
- 极度消耗当前残余额度:长上下文下每一轮往返都要重算前面几万甚至十几万 token 的历史上下文。
- 高风险卡死:如果正在冲限额或已经接近窗口上限,交接本身就会失败。
于是自然会想到第二个问题:能不能用便宜的国产模型(比如 DeepSeek)在后台帮我写交接?
三轮盲评实测数据
为了不凭感觉拍板,我们用真实开发过程中的 3 个截断现场(严格截断在用户说「写交接」那一刻,确保看不到原交接文档),喂给同一份交接规范,由独立评委在不知道作者是谁的情况下盲评打分(满分 10 分,按准确性、下一步可执行性、完整性、精炼度评分):
| 写手 | 第二轮盲评 | 第三轮盲评 | 典型问题与表现 |
|---|---|---|---|
| Claude 子代理(Opus) | 8.6(3 组全第一) | 8.4 | 极少出错,偶有偏长 |
| Claude 后台单次调用(Opus) | — | 8.5 | 结构稳,下一步可直接照做 |
| DeepSeek 写两遍 | 7.7 | — | 耗时拖到 3–10 分钟,性价比反而不高 |
| DeepSeek(单遍) | 7.4 | 6.4–6.9 | 路径写错、计数出错、出现一次输出截断、一次把主线目标搞错 |
| Gemini(参测版) | 5.4 | — | 出现编造行号和数字,直接淘汰 |
一个反直觉的发现:加规范反而让 DeepSeek 掉分
在第一轮单样本里,补充规范和范例确实把 DeepSeek「下一步写得太粗」的问题拉上来一点;但到了多样本盲评中,把常见错误清单补充进规范后,DeepSeek 的分数反而从 6.9 掉到了 6.4。
根本原因在于:写交接不是模板填空,而是「从几百轮试错、回滚、改方案的噪音里,准确识别哪条是主线、哪几个文件是最终生效的、下一步踩哪个坑会炸」。
如果交接文档写错了文件路径或搞混了当前主线,新对话开头多摸索 6–8 步,消耗掉的 Token 和人工时间,瞬间把省下的那点接口费全赔光,甚至倒贴。
最终落地的「零额度交接」工作流
- 触发点:观察状态栏,上下文用到 30% 左右(或完成一个阶段性子目标)就主动交接,不拖到后期降智。
- 后台读取:交接脚本直接从本机
~/.claude/projects/等会话日志目录读取最新对话记录,完全不占用当前会话的上下文和额度。 - 单次 Opus 生成:后台单独调用一次 Opus 写手,按「当前结论 / 改过的文件 / 已验证与未验证 / 下一步直接做什么」生成标准交接 Markdown。
- 一键接力:主会话拿到返回文件路径后,剪贴板自动写入一行指令;新窗口粘贴回车,3 秒无缝接力。
和跟当前主对话自己总结比,实测能省下一半到七成的额度消耗。
失效边界
- 本次盲评每组由单名高阶评委盲打,分数存在 ±0.5 左右的评委波动(同一批 DeepSeek 样本不同评委给出了 7.4 和 6.9)。
- 测试样本主要来自复杂代码开发与工程排障项目;如果是极其简单的单轮问答或规则高度固化的流水线任务,不需要重型模型交接。