Memahami Context dan Manajemen Session di Claude Code

Kalau lo udah pake Claude Code cukup lama, lo pasti nyadar: makin lama session berjalan, makin lambat respons-nya. Bukan berarti AI-nya memburuk -- masalah sebenernya itu context bloat. Ini yang terjadi di balik layar, dan apa yang bisa lo lakuin.

1. Apa Sebenernya "Context" Itu

Dalam istilah AI, context itu simpelnya kumpulan informasi yang model punya waktu nge-handle permintaan lo. LLM jaman sekarang itu stateless shared services -- mereka nggak punya built-in memory soal lo atau proyek lo antar-panggilan.

Ini artinya dalam praktik: setiap kali lo ngirim pesan, Claude Code harus nge-bundle permintaan lo saat ini bareng seluruh history percakapan dan ngirim semuanya ke model. Makin panjang history-nya, makin berat payload-nya.

Bayangin kayak folder briefing. Setiap pesan yang lo kirim itu kayak nyerahin ke ahli sebuah folder penuh materi latar belakang. Awal sesi folder-nya tipis dan gampang di-skim. Tapi kallo lo lompat-lompat antar topik yang nggak nyambung -- refactor backend, otak-atik frontend, debug masalah CSS -- folder itu berubah jadi berantakan yang nggak karuan. Ahlinya jadi lambat dan mulai bikin kesalahan, bukan karena dia nggak kompeten, tapi karena lo nyerahin dia folder sampah.

2. Kenapa Compression Aja Nggak Cukup

Claude Code udah dibekali automatic context compression: begitu history-nya melewati batas tertentu, sistem bakal nge-ringkas poin-poin penting dan deduplicate referensi file. Berguna sih, tapi ada limit-nya:

• Mahal. Proses compression itu sendiri biasanya ngabisin 20% atau lebih dari budget input token lo. Di codebase yang gede, itu bagian waktu dan biaya yang signifikan buat summarization, bukan buat kerja beneran.
• Sering salah nebak pas pivot. Compression nebak apa yang relevan berdasarkan yang sebelumnya -- bukan context switch beneran. Kalau lo tiba-tiba lompat ke tugas yang totally beda di tengah sesi (misalnya, dari nulis ulang rute API beralih ke benerin alignment tombol), compressed summary-nya tetep narik asumsi yang udah basi, dan model jadi bingung.

3. Solusinya: Satu Tugas, Satu Session

Prinsipnya simpel banget: kasih AI satu kerjaan dalam satu waktu. Deep Code bikin ini gampang dengan dua perintah:

• /clear -- Mulai dari awal. Ini ngapus percakapan saat ini dan buka session baru yang bersih. Nggak ada history yang nempel, nggak ada referensi file yang udah basi -- AI fokus cuma ke apa yang ada di depannya sekarang.

• /resume -- Lanjutin dari terakhir kali. Perlu balik ke sesi refactor kemarin? /resume nampilin semua session sebelumnya buat proyek tersebut, masing-masing dikasih tag ringkasan satu baris. Pake arrow key buat navigasi daftarnya, tekan Enter di yang lo mau, atau pencet ESC buat batal.

Ringkasan

Ini yang udah kita bahas:

• Context itu history percakapan lo -- dan itu dikirim ke model bareng setiap pesan. Makin panjang sesi, makin berat payload dan makin lambat respons-nya.
• Automatic compression ngebantu, tapi bukan solusi ajaib. Dia ngabisin token buat summarization dan struggle kalau lo switch tugas di tengah sesi.
• Solusinya simpel: satu tugas, satu session. Pake /clear buat bersihin semuanya dan mulai fresh. Pake /resume buat balik ke session sebelumnya kalau lo perlu lanjut dari terakhir kali.

Tapi gitu, /resume juga punya kekurangan -- lo cuma dapet ringkasan satu baris per session, nggak ada cara buat browse isi percakapan sebelum restore, dan switch antar session-nya agak kaku. Kalau lo ngerasa terbatas sama ini, cek Panel Task History, antarmuka visual yang bikin lo bisa browse full history percakapan, copy pesan, dan switch tugas dengan satu klik.