Comprender la gestión de contexto y sesiones de Claude Code

Si llevas usando Claude Code un tiempo, probablemente lo habrás notado: cuanto más se alarga una sesión, más lentas se vuelven las respuestas. No es que la IA se degrade: el problema real es la hinchazón del contexto. Esto es lo que ocurre bajo el capó y qué puedes hacer al respecto.

1. Qué significa realmente "contexto"

En términos de IA, el contexto es simplemente el conjunto de información con la que el modelo trabaja al responder a tu solicitud. Los LLM actuales son servicios compartidos sin estado — no mantienen ninguna memoria incorporada sobre ti ni sobre tu proyecto entre llamadas.

En la práctica esto significa lo siguiente: cada vez que envías un mensaje, Claude Code tiene que empaquetar tu solicitud actual junto con todo el historial de la conversación y enviarlo todo al modelo. Cuanto más largo es el historial, más pesada es cada petición.

Piénsalo como una carpeta de briefing. Cada mensaje que envías es como entregar a un especialista una carpeta llena de material de referencia. Al principio de la sesión la carpeta es ligera y fácil de ojear. Pero si vas saltando entre temas sin relación — refactorizar el backend, ajustar el frontend, depurar un fallo de CSS — esa carpeta se convierte en un desastre inmanejable. El especialista se ralentiza y empieza a cometer errores, no por incompetencia, sino porque le has entregado un desastre de documentación.

2. Por qué la compresión por sí sola no basta

Claude Code incluye compresión automática de contexto: cuando el historial supera un umbral, el sistema resume los puntos clave y elimina duplicados de referencias a archivos. Es útil, pero tiene limitaciones reales:

• Es costosa. El proceso de compresión en sí suele consumir un 20% o más de tu presupuesto de tokens de entrada. En un codebase grande, eso supone una cantidad significativa de tiempo y coste dedicados a resumir en lugar de a trabajar de verdad.
• Fallan los pronósticos ante cambios de rumbo. La compresión predice qué es relevante en función de lo anterior: no es un verdadero cambio de contexto. Si de repente saltas a una tarea completamente diferente a mitad de sesión (por ejemplo, de reescribir rutas de API a corregir la alineación de un botón), el resumen comprimido arrastra suposiciones obsoletas y el modelo se confunde.

3. La solución: una tarea, una sesión

El principio es muy sencillo: asigna a la IA un solo trabajo cada vez. Deep Code lo facilita con dos comandos:

• /clear — Empezar de cero. Borra la conversación actual y abre una sesión limpia. Sin historial residual, sin referencias obsoletas a archivos: la IA se centra exclusivamente en lo que tiene delante.

• /resume — Retomar donde lo dejaste. ¿Necesitas volver a la sesión de refactorización de ayer? /resume lista todas las sesiones anteriores del proyecto, cada una etiquetada con un resumen de una línea. Navega con las flechas del teclado, pulsa Enter sobre la que quieras, o presiona ESC para salir.

Resumen

Esto es lo que hemos cubierto:

• El contexto es tu historial de conversación — y se envía al modelo con cada mensaje. Cuanto más larga es la sesión, más pesada es la petición y más lentas las respuestas.
• La compresión automática ayuda, pero no es la solución definitiva. Consume tokens en el resumen y tiene dificultades cuando cambias de tarea a mitad de sesión.
• La solución es sencilla: una tarea, una sesión. Usa /clear para empezar de cero. Usa /resume para retomar una sesión anterior cuando necesites continuar donde lo dejaste.

Dicho esto, /resume tiene sus propias limitaciones: solo obtienes un resumen de una línea por sesión, no puedes explorar el contenido de la conversación antes de restaurarla, y el cambio entre sesiones es algo tosco. Si te encuentras luchando con estas limitaciones, consulta el Panel de historial de tareas, una interfaz visual que te permite explorar historiales completos de conversación, copiar mensajes y cambiar de tarea con un solo clic.