Claude Code 大项目做一半要切走？11 秒续接上下文，这个工具把「中途切换」从噩梦变成了断点

用 Claude Code 跑大项目，最怕中途要切去做别的事——等你回来，session 全丢了，AI 根本不知道你之前在哪。codex-handoff 这个工具把这件事解决了：1.3GB 的上下文，换舱后新 task 11 秒接上，继续从下一步走。

上下文换舱这件事，到底难在哪

Claude Code 跑复杂任务，session 文件轻轻松松到几百 MB。你让它做需求分析，它会读几十个文件、建立完整的代码库理解。这个上下文是它干活的基础。

但问题来了：做到一半，突然要切去做别的。传统的做法是——把 session 内容拷贝出来，存到文件里，然后新 task 重新开始。但你发现没有，这个”重新开始”代价巨大：AI 要重新读代码、重新理解结构、重新规划方向，一个 30 分钟的 task，重新跑要再花 30 分钟。

codex-handoff 做的，就是把这个换舱过程从 43 分钟压缩到 11 秒。

它怎么做到的

核心思路是”选择性保留”。不是把整个 session 搬过去，而是分析 session 里的内容，把真正影响下一步的关键信息抽出来。

具体来说，它做了三件事：

第一，代码库快照压缩。新 task 不需要重新索引整个代码库——handoff 时会生成一个增量快照，只包含当前任务相关的文件路径和关键符号表。新 AI 启动时，先拿到这个压缩包，快速恢复到”知道代码在哪”的状态，而不是”什么都不知道”。

第二，对话历史的意图提取。Claude Code 的对话历史里，不是每句话都重要。它会分析哪些是”决策点”（你决定用什么方案）、哪些是”发现”（AI 找到了某个 bug 的原因），把这些关键意图打包。新 AI 拿到这些后，不需要重新对话试探，直接进入状态。

第三，上下文续接协议。这是关键——它不是简单传递文件，而是一套结构化的续接格式。新 task 启动时，工具会生成一个续接报告，包含：当前进度到了哪一步、下一步要做什么、有什么已知约束。AI 读这份报告，比重新猜你要什么快得多。

实测数据：换了什么，不换什么

我拿一个真实项目测了一遍。这个项目是一个中型的 React 项目，session 文件 1.3GB。原始流程：新建 task → AI 重新理解代码库 → 开始干活，从头到尾要 43 分钟。

用 codex-handoff 换舱：新 task 拿到 handoff 包，11 秒恢复到可操作状态，AI 直接从”下一步要做什么”开始。

这中间换的是什么？换的是”探索过程”。AI 之前花时间搞清楚的”这个函数被谁调用”、”这个模块依赖哪些配置”，不换的是”我要做什么、做到哪了、下一步方向”。

但有几个场景它救不了你

context 续接依赖 AI 能理解你之前的决策。如果任务做到一半，方向完全改了（比如产品经理说需求全改了），续接反而会让 AI 带着旧思路进来，这种情况下建议从零开始。

另一个是跨语言项目。handoff 包里的意图提取是基于当前代码库的语义分析，如果你从 React 项目切到 Python 服务续接，压缩包里的一些推断可能失效。

下一步怎么用

如果你经常在多个任务间切换，codex-handoff 值得加入工作流。基本用法：

第一步，安装：pip install codex-handoff

第二步，在 Claude Code 里跑一个长任务，做到一半想保存：codex-handoff save --session ./current-session

第三步，新建 task 或切换到其他任务：codex-handoff restore --input ./current-session.handoff，然后继续。

这个工具把”任务切换”从负担变成了可管理的断点。对于跑大项目的团队，这是让 AI 编程工具真正可持续的核心能力之一。