分层加载与token优化策略
通过文档分级和智能加载机制显著降低token消耗：
- 分层加载规则：根据当前模式自动选择文档：
- PLAN/REFLECT模式 → 加载
projectbrief.md+progress.md - IMPLEMENT模式 → 加载
techContext.md+相关模块文档 - VAN模式 → 仅加载
projectbrief.md
- PLAN/REFLECT模式 → 加载
- 文档压缩技巧：
- 使用Markdown标题分级（H2/H3）替代长段落
- 将技术参数表格转为代码块格式
- exist
activeContext.md中仅保留当前任务关键信息
- 定期维护建议：
- 每月清理
progress.md中的过时记录 - 将不再变更的技术文档移入
archive/子目录 - utilization
#deprecated标记弃用内容
- 每月清理
实测表明，采用分层加载可减少40-60%的token消耗，特别适合长期运行的复杂项目。
This answer comes from the articleCursor Memories: Provides persistent context memory for Cursors.The
May not be reproduced without permission:AI productivity tools " How to optimize the efficiency of token usage for Cursor Memories?
English 
简体中文 
日本語 
Deutsch 
Português do Brasil