Claude Code vývoj softvéru: 7 vecí z 245 sedení

Pri používaní Claude Code na vývoj softvéru nerozhoduje o produktivite dômyselný prompt, ale to, ako spravujete kontext medzi sedeniami. Vyplýva to zo skúsenosti solo-vývojára, ktorý za 19 dní odbehol 245 sedení, poslal 70 000 správ a spotreboval 123,1 milióna tokenov, pričom model Opus tvoril približne 86 % jeho použitia (zdroj). Zhrnul sedem praktík, ktoré mu reálne pomohli. Prejdime si ich s poznámkou, čo si treba overiť.

Hneď na úvod férovo: ide o skúsenosť jedného človeka, zverejnenú na Reddite. Čísla nie sú nezávisle overené a treba ich čítať ako denník z praxe, nie ako meranie. To však hodnotu samotných postupov neznižuje; väčšina z nich sa v komunite opakuje a dá sa vyskúšať za jedno popoludnie.

Prečo je správa kontextu dôležitejšia než prompt?

Pretože model si medzi dlhými úlohami nepamätá dôvody svojich skorších rozhodnutí. Autor popisuje, že po takzvanej kompakcii, teda zhustení kontextu, Claude zabudol, prečo sa niečo urobilo tak, ako sa urobilo. Kód zostal, zdôvodnenie zmizlo (zdroj).

Konkrétny prípad z jeho príspevku: prečo sa zvolila fronta namiesto cronu, prečo je jedno pole nullable, prečo sa opustil prístup, ktorý spočiatku vyzeral logicky. Po kompakcii nástroj ochotne navrhne presne to, čo ste už predtým zamietli. Výsledok je, že opakovane riešite tú istú diskusiu.

Čo pri Claude Code vývoji softvéru rozhodlo o produktivite?

Podľa autora najviac zavážil súbor CLAUDE.md^?Súbor v projekte, do ktorého sa zapisujú pravidlá, konvencie a rozhodnutia. Model ho číta a nemusí si kontext domýšľať zakaždým nanovo. a trvalá pamäť. Práve tu sa podľa neho odohral skutočný prechod od chytrého automatického dopĺňania kódu k spolupracovníkovi, ktorý si pamätá kontext projektu. Zvyšok praktík sa točí okolo toho, ako túto pamäť udržať čistú a lacnú.

• CLAUDE.md ako trvalá pamäť. Súbor, do ktorého sa zapisujú pravidlá, konvencie a rozhodnutia projektu. Model ho číta na začiatku a nemusí si ich domýšľať znova.
• Priebežný log rozhodnutí. Autor nechal Claude viesť súbor, kam si zapisuje vlastné rozhodnutia a ich dôvody. Po tomto kroku podľa neho problémy s kompakciou z veľkej časti zmizli.
• Príkaz /clear. Vyčistí kontext, keď sa začína nová úloha, aby sa nevliekla záťaž z predchádzajúcej.
• Príkaz /compact. Zhustí doterajší kontext do zhrnutia, čím sa šetria tokeny, ale za cenu straty detailov.

Príkazy /clear a /compact aj súbor CLAUDE.md sa v dostupných návodoch opakovane spomínajú ako spôsob, ako znížiť spotrebu tokenov a udržať kontext (jarvis-ai.cz, Claude Help Center).

Ak práve prechádzate od prototypu k tomu, aby AI kódovacie nástroje uniesli aj tímovú produkciu, tejto téme sa venuje aj náš dvojdňový workshop o vedení AI inžinierskych tímov s Claude Code v reálnom vývojovom prostredí. Má zmysel, ak riešite QA AI systémov a rozpočet na tokeny; nie je pre tých, čo hľadajú len teoretický úvod.

Ako obmedziť problém s kompakciou v praxi?

Najjednoduchší overený postup je nechať model zapisovať dôvody rozhodnutí do samostatného súboru. Autor tvrdí, že po zavedení takého logu vydržal v jednom sedení dlhšie, kým sa veci začali rozpadať. Logika je priamočiara: čo je zapísané mimo kontextového okna, kompakcia^?Zhustenie doterajšej konverzácie a kontextu do kratšieho zhrnutia, aby sa uvoľnilo miesto. Šetrí tokeny, ale môže stratiť detaily a dôvody skorších rozhodnutí. nezmaže.

Praktické odporúčanie z jeho skúsenosti sa dá zhrnúť do postupu:

1. Na začiatku projektu založte CLAUDE.md s konvenciami a hlavnými rozhodnutiami.
2. Nechajte model dopĺňať priebežný log, keď spraví netriviálne rozhodnutie a napíše prečo.
3. Pri prechode na novú úlohu použite /clear namiesto toho, aby ste vliekli starý kontext.
4. Pred /compact sa uistite, že to, čo nesmiete stratiť, je zapísané v súbore, nie len v konverzácii.

Tento hybridný prístup, teda časť pamäte v modeli a časť v súboroch na disku, je nudný a spoľahlivý. Presne to je jeho výhoda.

Čo si treba na týchto číslach overiť?

Objem 123 miliónov tokenov a 245 sedení znie pôsobivo, no nič nehovorí o kvalite výstupu ani o tom, koľko z tých tokenov padlo na opakovanie zamietnutých riešení. Vysoká spotreba môže byť aj príznakom zlej správy kontextu, nie dôkazom produktivity. Bez nezávislých dát je to skúsenosť jedného vývojára.

Pri rozhodovaní o nasadení do tímu odporúčam sledovať dve veci: koľko sedení skončí tým, že model navrhne už zamietnutý prístup, a aký podiel tokenov ide na réžiu kontextu oproti reálnej práci. Ak vediete inžiniersky tím, k správe kontextu a agentových architektúr sa hodí aj náš workshop o produkčnej AI, RAG a architektúre kontextu pre reálne nasadenia. Kto orchestruje viac modelov naraz, nájde súvislosti aj v našom texte o multi-model orchestrácii, kde silný model riadi a lacné pracujú.

Kedy má tento prístup zmysel a kedy nie?

Pri dlhých úlohách s množstvom rozhodnutí, ktoré sa vzájomne ovplyvňujú, sa oplatí investovať do CLAUDE.md a logu hneď od začiatku. Pri krátkych, izolovaných zmenách je réžia zbytočná. Skôr než pridáte ďalší nástroj alebo pravidlo, položte si otázku, aký konkrétny problém rieši a čo sa stane, keď zlyhá. Väčšina z týchto praktík je lacná na vyskúšanie, takže ich hodnotu si overíte za pár sedení sami.