Zrozumienie kontekstu i zarządzania sesjami w Claude Code

Jeśli korzystałeś z Claude Code przez jakikolwiek czas, prawdopodobnie to zauważyłeś: im dłużej trwa sesja, tym wolniejsze stają się odpowiedzi. To nie oznacza, że AI się degraduje — prawdziwym problemem jest przeładowanie kontekstu. Oto, co się dzieje pod maską i co z tym zrobić.

1. Czym właściwie jest „kontekst"

W terminologii AI kontekst to po prostu zbiór informacji, którymi model dysponuje przy odpowiedzi na twoją prośbę. Dzisiejsze LLM-y to usługi współdzielone bezstanowe — nie utrzymują żadnej wbudowanej pamięci o tobie czy twoim projekcie pomiędzy wywołaniami.

Oto co to oznacza w praktyce: za każdym razem, gdy wysyłasz wiadomość, Claude Code musi złożyć twoje bieżące żądanie wraz z całą historią rozmowy i wysłać to do modelu. Im dłuższa historia, tym cięższy ładunek.

Wyobraź to sobie jak teczkę z informacjami. Każda wiadomość, którą wysyłasz, jest jak wręczenie specjaliście teczki pełnej materiałów. Na początku sesji teczka jest cienka i łatwa do przejrzenia. Ale jeśli przeskakujesz między niezwiązanymi tematami — refactor backendu, poprawka na frontendzie, debugowanie dziwnego błędu CSS — teczka zamienia się w chaos. Specjalista zwalnia i zaczyna popełniać błędy, nie dlatego że jest niekompetentny, ale dlatego że wręczyłeś mu bałagan.

2. Dlaczego sama kompresja cię nie uratuje

Claude Code posiada automatyczną kompresję kontekstu: gdy historia przekracza próg, system podsumowuje kluczowe punkty i deduplikuje odwołania do plików. Przydatne, ale ma realne ograniczenia:

• Jest kosztowna. Sama operacja kompresji zazwyczaj pochłania 20% lub więcej twojego budżetu tokenów wejściowych. Przy dużej bazie kodu to istotny fragment czasu i kosztu przeznaczony na podsumowanie, a nie na właściwą pracę.
• Myli się przy zmianach kierunku. Kompresja przewiduje, co jest istotne, na podstawie tego, co było wcześniej — to nie jest prawdziwa zmiana kontekstu. Jeśli nagle przeskoczysz na zupełnie inne zadanie w trakcie sesji (na przykład z przepisywania tras API na poprawę wyrównania przycisku), skompresowane podsumowanie wciąż ciągnie za sobą nieaktualne założenia, a model się gubi.

3. Rozwiązanie: jedno zadanie, jedna sesja

Zasada jest banalnie prosta: daj AI jedno zadanie na raz. Deep Code ułatwia to dwiema komendami:

• /clear — zacznij od nowa. Czyści bieżącą rozmowę i otwiera nową sesję. Żadnej遗留 historii, żadnych nieaktualnych odwołań do plików — AI skupia się wyłącznie na tym, co jest przed nim właśnie teraz.

• /resume — wróć tam, gdzie skończyłeś. Chcesz wrócić do wczorajszej sesji refaktoryzacji? /resume wyświetla listę wszystkich przeszłych sesji w projekcie, każda oznaczona jednozdaniowym podsumowaniem. Przewiń listę strzałkami, naciśnij Enter na wybranej, albo ESC, aby się wycofać.

Podsumowanie

Oto, co omówiliśmy:

• Kontekst to twoja historia rozmowy — i jest wysyłana do modelu z każdą wiadomością. Im dłuższa sesja, tym cięższy ładunek i wolniejsze odpowiedzi.
• Automatyczna kompresja pomaga, ale to nie lek. Pożera tokeny na podsumowanie i ma problemy, gdy zmieniasz zadanie w trakcie sesji.
• Rozwiązanie jest proste: jedno zadanie, jedna sesja. Używaj /clear, by wyczyścić stan i zacząć od nowa. Używaj /resume, by wrócić do poprzedniej sesji, gdy musisz podjąć pracę tam, gdzie skończyłeś.

Mówiąc to, /resume ma swoje własne ostre kanty — dostajesz tylko jedno zdanie podsumowania na sesję, nie ma możliwości przeglądania treści rozmowy przed przywróceniem, a przełączanie między sesjami jest nieporęczne. Jeśli czujesz, że walczysz z tymi ograniczeniami, sprawdź Panel historii zadań, wizualny interfejs, który pozwala przeglądać pełne historie rozmów, kopiować wiadomości i przełączać zadania jednym kliknięciem.