Drie uur in een sessie begint Claude Code vragen te herhalen die je al hebt beantwoord. Het introduceert een naamgeving opnieuw die je een uur geleden hebt verwijderd. Het "reparaert" een bestand dat het op een manier heeft beschadigd die je nooit hebt gevraagd. Niets is gecrasht. Er verscheen geen foutmelding. Het model is gewoon rustig begonnen de onderdelen van het gesprek die van belang waren te deprioritiseren.

Dit is geen bug die je kunt patchen. Het is hoe contextvensters werken, en het is de enige grootste reden waarom AI-coderingsessies zonder waarschuwing van briljant naar frustrerend veranderen.

We werken met startups die ingenieurs aannemen die elke dag met deze tools bouwen, en de teams die het meeste uit Claude Code halen zijn niet degenen met de slimste prompts. Het zijn degenen die opzouden houden met context als oneindig behandelen en het begonnen in te richten. Het hulpmiddel in het centrum van die verschuiving is een gewoon Markdown-bestand genaamd CLAUDE.md.

Wat gebeurt er eigenlijk wanneer Claude Code "vergeet"

Claude Code wordt standaard met een contextvenster van 200.000 tokens geleverd, met een optie voor 1 miljoen tokens beschikbaar op nieuwere modellen. Dat klinkt enorm, maar een frisse sessie verbruikt al duizenden tokens voordat je een woord typt: de systeemhandleiding, geladen vaardigheden en alle MCP-serverschema's eten eerst in het budget. Voeg een CLAUDE.md-bestand, een paar gereedschapintegraties en enkele bestandslezingen toe, en een aanzienlijk deel van het venster is al in beslag genomen.

Het diepere probleem is niet uit de ruimte raken. Het is wat er gebeurt ver voordat het venster vol raakt. Meerdere engineeringteams die met Claude Code werken zijn onafhankelijk tot dezelfde bevinding gekomen: de kwaliteit van de output begint af te nemen zodra het contextgebruik ruwweg 20 tot 40 procent overschrijdt, lang voordat een harde limiet wordt bereikt. Aandachtsmechanismen wegen recente tokens zwaarder naarmate een gesprek groeit, dus instructies van vroeg in de sessie verliezen stilzwijgend invloed ondanks dat ze technisch gezien nog steeds "in het geheugen" zijn.

Dit heeft praktische gevolgen. Een drie uur durende sessie die begint met een duidelijke taak en nooit wordt gecontroleerd zal zichtbaar slechtere code opleveren tegen uur twee, niet omdat het model dommerder werd, maar omdat verlaten benaderingen, herstelde fouten en onderzoekende omwegen allemaal nog steeds in het venster zitten en het signaal verdunnen dat echt van belang is.

Contextverval is echt en is gemeten

Dit is geen Claude-specifieke eigenaardigheid. Onafhankelijke benchmarking van Chroma testte 18 grensverleggingmodellen, inclusief Claude Opus, en ontdekte dat ieder model nauwkeurigheid verliest naarmate input groeit, in sommige gevallen dalend van 95 procent naar 60 procent voorbij een bepaalde drempel. Onderzoekers noemen dit "contextverval", en het verschijnt als een "verloren in het midden"-effect: modellen verwerken het begin en einde van een lange context goed, maar scherren het midden over, wat precies waar je architectuurbeslissingen van 40 minuten geleden meestal leven.

Voor een oprichter of engineeringleider is de conclusie duidelijk: een groter contextvenster is niet hetzelfde als een bruikbaarder venster. Nieuwere modellen kunnen technisch gezien een miljoen tokens lezen, maar real-world testen tonen wildly verschillende begripsniveaus op die schaal aan, daarom presteert een schone, goed beheerde 200K-sessie vaak beter dan een volgestopte 1M-sessie.

Wat CLAUDE.md eigenlijk oplost

CLAUDE.md is een Markdown-bestand dat Claude Code automatisch aan het begin van elke sessie laadt. Beschouw het als een permanente onboarding-briefing voor een contractant die nul herinnering aan gisteren heeft. Het maakt het model niet slimmer. Het voorkomt dat het model dingen opnieuw raadt die je al hebt besloten: welke testcommando uit te voeren, welke map uit te sluiten, welk patroon in plaats van het patroon dat het standaard gebruikt.

Zonder het, begint elke sessie van nul, en je eindigt met een week lang dezelfde correctie opnieuw in te typen. Met het bestand wordt die correctie een permanente regel die het model leest voordat het iets anders doet.

Hoe schrijf je een CLAUDE.md dat werkelijk standhoud

Hou het onder de 200 regels. Grensverleggingmodellen volgen betrouwbaar ongeveer 150 tot 200 instructies voordat de naleving begint af te nemen, en Claude Code's eigen systeemhandleiding gebruikt al een deel van die budget.
Begin met commando's, niet proza. Exacte bouw-, test- en lint-aanroepingen zijn de hoogste waarde regels in het bestand.
Wijs, niet plak. Verwijs naar het bestandspad in plaats van de inhoud ervan in het bestand te plakken. Elke regel die je plakt is een belasting op elke toekomstige sessie.
Dupliceer nooit de linter. Als een formatter een stijlregel al automatisch afdwingt, verspil geen model-aandacht door het opnieuw uit te leggen.
Snij rücksichtslos. Een CLAUDE.md die is uitgegroeid tot documentatie is één die het model in het midden begonnen te negeren.
Gebruik /clear tussen niet-gerelateerde taken, en controleer elke 45 tot 60 minuten op lange sessies in plaats van één gesprek uren lang onbeheerd uit te voeren.

Veelgestelde vragen: Context, CLAUDE.md, en het aannemen van mensen die dit weten

V. Lost een groter contextvenster het vergetenheidsprobleem op?

Nee. Een groter venster geeft het model meer ruimte om informatie vast te houden, maar real-world leesbegrip op die schaal varieert nog steeds enorm tussen modellen. Het beheren van wat in het venster gaat is belangrijker dan hoe groot het is.

V. Is CLAUDE.md hetzelfde als documentatie?

Nee. Documentatie is voor mensen die in hun eigen tempo bladeren. CLAUDE.md wordt volledig in elke sessie geladen, ongeacht of het relevant is voor de huidige taak, dus het moet kort, universeel waar en commando-eerst zijn.

V. Hoe weten we of een kandidaat dit werkelijk begrijpt, in plaats van alleen de syntaxis te kennen?

Vraag hem om je een CLAUDE.md door te nemen die hij voor een echt project heeft geschreven, en vraag wat hij heeft verwijderd en waarom. Ingenieurs die contextverval in productie hebben geraakt spreken specifiek over snoeiing-besluiten. Ingenieurs die dat niet hebben doen hebben meestal niet abstract over het bestand.

V. Waar vinden we ingenieurs die al op deze manier werken?

Dit wordt steeds meer een basisvaardigheid in plaats van een specialiteit, maar het is nog steeds ongelijk over de markt verdeeld. Het is één van de dingen die we direct screenen wanneer we software-ontwikkelaars controleren voor MyNextDeveloper-klanten. Het is een sterke indicator voor hoe iemand werkelijk met AI-tooling werkt dag tot dag, niet alleen hoe zij erover spreken.

Belangrijkste conclusies

Claude Code mislukt niet met een foutmelding wanneer context afneemt. Het mislukt stilzwijgend, met subtiel slechtere output.
De kwaliteit begint af te nemen bij 20 tot 40 procent contextgebruik, lang voordat het venster vol is.
Contextverval wordt gemeten door cross-model gedrag, niet door een Claude-specifiek gebrek.
CLAUDE.md lost het vergetenheidsprobleem op door herhaalde correcties in permanente, elke-sessie-geladen regels om te zetten.
De beste CLAUDE.MD-bestanden zijn kort, commando-geleidt en verwijzen naar bestanden in plaats van geplakt te worden.

Het allemaal samenvoegen

Lange AI-coderingsessies mislukken niet omdat het model mid-gesprek slechter werd. Ze mislukken omdat niemand beheerde wat het model vasthield. Een strakke CLAUDE.md, een gewoonte van het wissen van context tussen taken, en ingenieurs die al op deze manier denken veranderen een frustrerende middag in werkelijk snelle.

Dat laatste onderdeel is het onderdeel dat de meeste teams onderschatten. Tooling is gemakkelijk na te bootsen. Weten hoe je het goed moet gebruiken niet. Als je een team bouwt waar AI-ondersteunde engineering eerder de standaard dan de uitzondering is, dat is precies het soort oordeel dat we verifiëren bij MyNextDeveloper wanneer we oprichters met de top-tier van software- en AI-talent matchen.

TLDR

Claude Code crasht niet wanneer het vergeet; het degradeert gewoon stilzwijgend, resulterend in slechtere output lang voordat het contextvenster werkelijk vol raakt. Onderzoek toont aan dat elk grensverleggingmodel, inclusief Claude, nauwkeurigheid verliest naarmate input groeit, een fenomeen dat bekend staat als "contextverval". Een groter contextvenster reparaert dit niet; begrip op schaal varieert wild ongeacht grootte. CLAUDE.md lost het echte probleem op door herhaalde correcties in een permanent, kort, commando-eerst bestand om te zetten dat het model elke sessie leest. De beste oplossing combineert een slanke CLAUDE.md met gedisciplineerde gewoonten zoals het wissen van context tussen taken en het controleren tijdens lange sessies.

Op zoek naar het bouwen van een high-performing remote tech-team?

Bekijk MyNextDeveloper, een platform waar je de top 3% van software-ingenieurs kunt vinden die diep gepassioneerd zijn over innovatie. Onze on-demand, dedicated en grondige software-talentoplossingen bieden een uitgebreide oplossing voor al je softwarevereisten.

Bezoek onze website om te verkennen hoe we je kunnen helpen je perfecte team samen te stellen.