Zašto Claude Code gubi kontekst tijekom dugih sesija i kako to CLAUDE.md rješava

Tri sata u sesiju, Claude Code počinje ponavljati pitanja na koja ste već odgovorili. Ponovno uvodi konvenciju imenovanja koju ste uklonili prije sat vremena. "Popravlja" datoteku koju je slomio na način na koji nikad niste tražili. Ništa se nije srušilo. Nije se pojavila nikakva greška. Model je samo tiho počeo deprioritizirati dijelove razgovora koji su bili važni.

Ovo nije greška koju možete ispraviti. To je kako funkcioniraju kontekstni prozori, i to je jedini najveći razlog zašto AI sesije kodiranja prelaze od briljantnih prema frustrirajućima bez upozorenja.

Radimo sa startupima koji zapošljavaju inženjere koji svakodnevno grade pomoću tih alata, i timovi koji dobivaju najviše od Claude Code nisu oni s najpamet nijim prijedlozima. To su oni koji su prestali tretirati kontekst kao beskonačan i počeli su ga inženjerski uređivati. Alat u srcu tog pomaka je obična Markdown datoteka zvana CLAUDE.md.

Što se zapravo događa kada Claude Code "zaboravi"

Claude Code dolazi s kontekstnim prozorom od 200.000 tokena prema zadanom, s opcijom od 1 milijuna tokena dostupnom na novijim modelima. Zvuči ogromno, ali nova sesija već konzumira tisuće tokena prije nego što napišete riječ: sistemska uputa, učitane vještine i sve sheme MCP poslužitelja prvo se ogladnjuju iz proračuna. Dodajte CLAUDE.md datoteku, nekoliko integracija alata i nekoliko čitanja datoteka, i značajna dio prozora već je preuzetvan.

Dublji problem nije nedostatak mjesta. To je što se dogodilo mnogo prije nego što se prozor popuni. Više inženjerskih timova koji rade s Claude Code-om neovisno je konvergiralo na isti nalaz: kvaliteta izlaza počinje se degradirati čim korištenje konteksta prekoračii otprilike 20 do 40 posto, daleko prije nego što se postigne bilo koja čvrsta granica. Mehanizmi pažnje teže ponderiaju nedavne tokene što je razgovor duži, tako da upute s početka sesije tiho gube utjecaj iako su tehnički još uvijek "u memoriji".

To je praktično važno. Sesija od tri sata koja počinje jasnom zadatkom i nikad se ne provjerava će proizvesti vidno lošiji kod do drugog sata, ne zato što je model postao gluplji, već zato što su napušteni pristupi, oporavljena greška i istraživačke zaobilaznike sve još u prozoru, razvodnjujući signal koji je zaista važan.

Propadanje konteksta je stvarno i izmjereno je

Ovo nije Claudeova specifična čudna osobina. Neovisna mjerenja od Chroma je testirala 18 frontier modela, uključujući Claude Opus, i utvrdila da svaki pojedini gubi točnost s rastućom unosa, u nekim slučajevima padajući s 95 posto na 60 posto iznad određene praga. Istraživači to nazivaju "propadanje konteksta", a to se pokazuje kao efekt "izgubljen u sredini": modeli dobro obrađuju početak i kraj dugog konteksta, ali pregledavaju sredinu, što je upravo gdje vaše odluke arhitekture od prije 40 minuta obično žive.

Za suosnivača ili vođu inženjerstva, zaključak je jasan: veći kontekstni prozor nije isto što i korisniji. Noviji modeli tehnički mogu čitati milijun tokena, ali testiranje u stvarnom svijetu pokazuje divlje različite stope razumijevanja pri toj ljestvici, što je razlog zašto čista, dobro upravljana sesija od 200K često nadmašuje ispunjenu od 1M.

Što CLAUDE.md zapravo ispravlja

CLAUDE.md je Markdown datoteka koju Claude Code automatski učitava na početku svake sesije. Zamislite je kao stojećeg uvoda za trgovca koji nema memorije od jučer. Ne čini model pametnijim. Zaustavlja model od ponovno pogađanja stvari koje ste već odlučili: koja naredba testiranja za pokrenuti, koja mapa je zabranjena, koji uzorak koristiti umjesto onog na koji se model zadano vraća.

Bez toga, svaka sesija počinje od nule, i završit ćete ponovno tipkanjem iste ispravke tijekom cijelog tjedna. S njim, ta ispravka postaje trajno pravilo koje model čita prije nego što uradi bilo što drugo.

Kako napisati CLAUDE.md koji zaista vrijedi

1. Držite ga ispod 200 linija. Frontier modeli pouzdano prate otprilike 150 do 200 uputa prije nego što adherencija počinje klizati, a Claude Code-ova vlastita sistemska uputa već koristi dio tog proračuna.

2. Počnite s naredbama, a ne prozorom. Točne build, test i lint pozivanja su redovi s najvećom vrijednosti u datoteci.

3. Pokazite, nemojte zalijepiti. Referencija putanju datoteke umjesto lijepljenja njezina sadržaja u datoteku. Svaki redak koji zalijepite je porez na svaku buduću sesiju.

4. Nikad nemojte duplicirati lintera. Ako formatter već automatski provodi pravilo stila, nemojte trošiti pažnju modela ponovno objašnjavajući ga.

5. Obrežite nemilosrdno. CLAUDE.md koji je izrastao u dokumentaciju je onaj koji je model počeo ignorirati u sredini.

6. Koristite /clear između nepovezanih zadataka, i kontrolne točke svakih 45 do 60 minuta na dugim sesijama umjesto da jednom razgovoru trčite satima neupravljano.

FAQ: Kontekst, CLAUDE.md i zapošljavanje ljudi koji znaju ovo

P. Rješava li veći kontekstni prozor problem zaboravljanja?

Ne. Veći prozor daje modelu više mjesta da drži informacije, ali razumijevanje čitanja u stvarnom svijetu pri toj ljestvici još uvijek se razlikuje ogromno između modela. Upravljanje onim što ide u prozor je važnije od toga koliko je velik.

P. Je li CLAUDE.md isto što i dokumentacija?

Ne. Dokumentacija je za ljude koji pregledavaju vlastitim tempom. CLAUDE.md se učitava u cijelosti svaku sesiju, bez obzira je li to relevantno za trenutni zadatak ili ne, tako da mora biti kratka, univerzalno istinita i naredbom na početku.

P. Kako znamo znači li kandidat to zapravo razumije, umjesto samo znanja sintakse?

Zamolite ga da vam prolazi kroz CLAUDE.md koji su napisali za pravi projekt, i pitajte što su obrežali i zašto. Inženjeri koji su pogodili propadanje konteksta u proizvodnji govore o pruning odlukama specifično. Inženjeri koji nisu obično ne govore o datoteci u apstrakciji.

P. Gdje pronalazimo inženjere koji već rade na taj način?

Ovo je sve više temeljne vještine nego specijalizacija, ali je još uvijek neujednačeno na tržištu. To je jedno od stvari koju direktno provjeravamo kada provjeravamo razvojne inženjere za klijente MyNextDeveloper. To je jak proxy za to kako se netko zapravo radi s AI alatima dan za danom, a ne samo kako o tome govore.

Ključne spoznaje

• Claude Code se ne ne uspije s greškom kada se kontekst degradira. On se ne uspije tiho, sa suptilno lošijim izlazom.

• Kvaliteta počinje padati na 20 do 40 posto korištenja konteksta, daleko prije nego što je prozor pun.

• Propadanje konteksta se mjeri ponašanjem više modela, a ne Claudeove specifične greške.

• CLAUDE.md rješava problem zaboravljanja pretvaranjem ponovljenih ispravki u trajno, učitano-svaku-sesiju pravila.

• Najbolje CLAUDE.MD datoteke su kratke, naredbom vođene i referencije datoteke umjesto da budu zalijepljene.

Spajanje svega zajedno

Duge AI sesije kodiranja ne fail jer je model u razgovoru postao gori. Oni ne uspijevaju jer nitko nije upravljao onim što je model drži. Čvrsta CLAUDE.md, navika čišćenja konteksta između zadataka i inženjeri koji već razmišljaju na taj način pretvaraju frustracijsku popodne u doista brzu.

Taj posljednji dio je dio koji većina timova podcijenji. Tooling je lako kopirati. Znati kako ga dobro koristiti nije. Ako gradite tim gdje je AI-potpomognuto inženjerstvo zadanom umjesto iznimke, to je upravo vrsta rasuđivanja koju provjeravamo na MyNextDeveloper kada spajamo suosnivače s vrhunskom softverskom i AI talentom.

TL;DR

Claude Code se ne srušava kada zaboravi; samo tiho degradira, proizvodeći lošiji izlaz daleko prije nego što se kontekstni prozor zapravo popuni. Istraživanja pokazuju da svaki frontier model, uključujući Claude, gubi točnost s rastućom unosa, fenomen poznat kao "propadanje konteksta". Veći kontekstni prozor to ne ispravlja; razumijevanje pri ljestvici se divlje razlikuje bez obzira na veličinu. CLAUDE.md rješava pravi problem pretvaranjem ponovljenih ispravki u trajnu, kratku, naredbom-prvu datoteku koju model čita svaku sesiju. Najbolja ispravka kombinira lean CLAUDE.md s discipliniranim navikama kao što su čišćenje konteksta između zadataka i kontrolne točke tijekom dugih sesija.

Trebate izgraditi visoko performantan udaljeni tehnički tim?

Provjerite MyNextDeveloper, platformu gdje možete pronaći top 3% softverskih inženjera koji su duboko strastveni o inovacijama. Naša on-demand, posvećena i temeljita rješenja softverskog talenta pružaju sveobuhvatno rješenje za sve vaše softverske potrebe.

Posjetite našu web stranicu da istražite kako možemo pomoći u sastavljanju vašeg savršenog tima.