Claude Code 能在一个会话里持续工作很久——搜索代码、读文件、改代码、跑测试、看报错、再改——这个过程可能涉及几十轮工具调用。但每一次工具调用的结果都会塞进对话历史：一个 grep 搜索可能返回几千行，一个 cat 可能读出整个文件。不到十轮，200K 的上下文窗口就可能被塞满。
然而你几乎感受不到这个限制。它从来不会突然说”对不起，上下文满了，我们得重新开始”。
源码揭示了背后的机制：一套 6 层渐进式压缩架构，从工具执行的那一刻起就在控制上下文膨胀，直到最终的对话摘要。每一层成本递增、破坏性递增，系统总是优先用最轻量的方式解决问题。
有一些 AI Agent 产品，你问它一个问题，它思考一下、调用一两次工具，然后就给你个回答，结束了。哪怕任务还没做完，它也像”到点下班”一样停下来了。
但 Claude Code 不一样。你跟它说”帮我重构这个认证模块”，它会自己去搜索代码、阅读文件、分析依赖关系、动手改代码、跑测试、发现测试挂了、再改、再跑……直到任务真正完成。整个过程可能会经历几十轮工具调用，完全不需要你中间催它。
opencode 是一个对新手非常友好的 AI 编程工具：
自带免费的大模型可用
零配置上手，在项目目录里直接使用
开源，能直接看源码，对想学 Agent 的人来说，也是一份非常不错的学习资料
最近看到很多人都在推荐 opencode。我自己其实已经用习惯了 claude code 和 codex，本来不打算折腾新的工具。但架不住推荐的人实在太多，还是试了一下……结果现在我也想推荐它了。
大家估计看过很过大模型的评测。基本上都是设想几个编程场景，然后用几个不同的模型进行对比。
但在真实的工作场景中，我们面对的更多是一个已经存在、可能庞大复杂的代码库。要在这样的代码库中理解架构、找到关键信息、做出正确修改，这才是真正的挑战。
这次，我让kimi k2 thinking 面对了一个地狱级考验：在拥有 8 万行代码、500 多个文件的 MkSaaS 模板库中，开发一个”纳瓦尔语录”网站。
前几天看到一个帖子。
我其实也一直很好奇这个问题。
我大概两个月前开始做一个抖音账号。
因为是业余时间做的，基本上都是下班路上随便找个地方坐下来讲一些话题，或者就是在书房录制一些视频。算是佛系更新吧。
我前天没有啥话题，正好在南京南的站台上有很多人抽烟，我就随手拍了一张照片吐槽一下。没想到因为这个只有一张照片的短视频，我被喷惨了。
作为一名cursor的重度用户，在差不多连续订阅一年之后，它几乎成为了我在编码过程中不可或缺的助手。
但是，就像跟任何队友协作一样，沟通的质量决定的协作的效率。
尽管已经使用cursor快一年了，但是还从来没有写过任何关于cursor的博客。
