Claude Code的高成本主要源于上下文复杂性。为高效使用Claude Code，可以采取以下七种方法：1. 根据任务复杂度选择模型；2. 保持CLAUDE.md简洁；3. 将冗长工作委托给子代理；4. 精确指定文件和行范围；5. 主动使用/compact；6. 检查/context以优化；7. 简化工具设置。优化上下文管理可有效降低使用成本。

卡帕西分享了ChatGPT模型选择指南，建议用户根据任务复杂度选择模型：o3适合复杂任务，4o适合日常问题，4.5用于创作，以避免选择困惑。

本研究探讨了大型语言模型（LLMs）在上下文学习中的能力，发现其在新任务上表现优异，但在超出预训练数据的领域时泛化能力下降。研究提出了优化方法CoAT，通过模拟数据提升模型性能，并分析了任务复杂度对学习效果的影响，强调了上下文学习在多任务学习中的重要性。

《把时间当成朋友》探讨了如何准确估算任务完成时间。作者强调，时间预估常因忽视任务复杂度而不准，建议在计划时深入理解任务本质，考虑相关因素，并根据自身能力评估复杂度。简单任务可参考以往经验，复杂任务需分解为小任务进行时间估算。

《把时间当成朋友》探讨了任务时间估算的盲目性，强调忽视任务复杂度和依赖经验会导致不准确的时间预估。建议清晰认识任务本质，提出相关问题，评估自身能力，并对复杂任务进行分解，以提高时间估算的准确性。