🎯 О чём этот конспект: Детальный разбор авторского фреймворка WHISK (Write, Isolate, Select, Compress) от эксперта с 2000+ часами практики в Claude Code. Видео объясняет, как управлять контекстом AI-агента, чтобы избежать галлюцинаций и ошибок на больших и сложных кодовых базах.
👤 Кому будет полезно: Вайбкодерам, разработчикам и AI-энтузиастам, которые используют Claude Code, Cursor или Windsurf и сталкиваются с тем, что AI «забывает» инструкции или портит код при росте проекта.
✨ Что получите: Готовую систему управления контекстом, набор конкретных команд (/commit, /handoff, /prime) и методику разделения планирования и реализации для повышения надежности кода на 90%.
1. Проблема Context Rot (Гниение контекста)
Контекст: Даже с лимитом в 1 млн токенов, AI-модели начинают ошибаться, когда контекстное окно переполняется. Это называется «иголка в стоге сена»: модель находит похожие, но неверные части кода (дистракторы) и выдает их за решение. Исследования показывают, что 80% ошибок AI-агентов связаны именно с плохим управлением контекстом, а не с качеством самой модели.
Выгода: Понимание того, что «больше — не значит лучше», позволяет экономить токены и получать предсказуемый результат без бесконечных правок.
Как применить:
- Шаг 1: Осознание лимитов — Claude Code — Не держите в памяти всё подряд. Относитесь к контексту как к самому дорогому ресурсу.
- Шаг 2: Мониторинг — Claude Code — Регулярно проверяйте загрузку окна командой
/context. Если вы перешли за 200-300к токенов, риск ошибок резко возрастает.
2. W — Write: Экстернализация памяти агента
Контекст: Чтобы AI не забывал важные решения между сессиями, их нужно записывать во внешние файлы. Автор предлагает использовать Git-лог как долгосрочную память и разделять сессии на «планирование» и «выполнение». Это гарантирует, что агент всегда работает со свежим и чистым контекстом, имея перед глазами четкую спецификацию.
Выгода: Быстрый вход в проект после перерыва и отсутствие «мусора» из обсуждений в процессе написания кода.
Как применить:
- Шаг 1: Стандартизация коммитов — Git — Используйте кастомную команду для создания подробных коммитов, которые описывают не только изменения в коде, но и правки в правилах AI.
- Шаг 2: Создание плана — Markdown — Всегда завершайте фазу обсуждения созданием файла
plan.md. - Шаг 3: Чистая реализация — Claude Code — Открывайте новую сессию и скармливайте ей только
plan.mdчерез команду/execute.
Промпт для команды /commit:
[Создай сообщение коммита в формате:
1. Краткий префикс (feat/fix/refactor).
2. Детальное описание изменений.
3. Блок "AI Layer Improvements": что изменилось в .claudecode/rules или командах.]3. I — Isolate: Использование субагентов для исследований
Контекст: Вместо того чтобы заставлять основного агента читать тысячи строк документации или гуглить, используйте субагентов. Они проводят исследование в изоляции, тратят сотни тысяч токенов «там», а в основное окно возвращают лишь краткое резюме (summary) на 500 токенов. Это улучшает точность работы на 90.2% согласно тестам Anthropic.
Выгода: Основное контекстное окно остается чистым и сфокусированным на написании кода.
Как применить:
- Шаг 1: Параллельное исследование — Claude Code — Запускайте субагентов для изучения кодовой базы и веб-поиска одновременно.
- Шаг 2: Паттерн "Скаут" — Claude Code — Отправляйте субагента проверить папку с документацией (например,
.cloud/docs), чтобы он решил, какие файлы действительно стоит загружать в основную сессию.
Пример промпта для субагента:
Spin up two sub-agents:
1. Research the codebase to see how to implement a workflow builder.
2. Web research on best practices for React workflow libraries (like n8n or Diffy).
Return only a concise summary of findings.4. S — Select: Загрузка контекста Just-in-Time
Контекст: Автор предлагает 4-уровневую систему управления знаниями. Не грузите всё «на всякий случай» (Just-in-Case), грузите только то, что нужно прямо сейчас (Just-in-Time). Это позволяет держать глобальные правила лаконичными (500-700 строк), подключая специфические знания только при необходимости.
Выгода: Снижение шума в инструкциях и более точное следование архитектурным паттернам.
Как применить:
- Уровень 1: Global Rules —
.claudecode/rules— Общие правила (архитектура, логирование, стек). - Уровень 2: On-demand Context — Markdown — Правила для конкретных модулей (например, только для Frontend или API).
- Уровень 3: Skills —
skill.md— Описание сложных навыков (например, автоматизация браузера), которые подгружаются, если агент решит их использовать. - Уровень 4: Prime Commands — Scripts — Команды типа
/prime, которые заставляют агента «просканировать» текущее состояние проекта перед началом работы.
Пример структуры команды /prime:
# Команда для инициализации контекста
read_file .claudecode/rules.md
ls -R src/
git log -n 10
cat architecture.md5. C — Compress: Стратегии сжатия и передачи (Handoff)
Контекст: Сжатие (compaction) — это крайняя мера. Если вы правильно используете Write, Isolate и Select, вам почти не нужно будет сжимать контекст. Если сессия перегружена, лучше использовать команду /handoff для создания краткого резюме и перехода в абсолютно новое окно.
Выгода: Предотвращение «галлюцинаций» в длинных диалогах.
Как применить:
- Шаг 1: Команда
/handoff— Claude Code — Создает файлsummary.mdсо статусом текущих задач и нерешенных проблем. - Шаг 2: Фокусное сжатие — Claude Code — Если используете встроенный
/compact, всегда добавляйте инструкцию, на чем сфокусироваться (например,/compact focus on edge cases).
Результат: Вы работаете в «бесконечном» цикле с чистым контекстом, передавая эстафету от одной сессии к другой без потери смысла.
WHISK Framework: ответы на частые вопросы
В: Почему нельзя просто использовать Claude с окном 1 млн токенов и не париться? О: Потому что модель начинает «тупеть» (эффект Lost in the Middle). Чем больше лишней информации в окне, тем выше шанс, что AI выберет неверный метод или проигнорирует важное правило из начала диалога.
В: В чем разница между /compact и /handoff? О: /compact — это встроенная функция Claude Code, которая сжимает текущую историю в том же окне. /handoff — это авторский метод создания внешнего файла-отчета для перехода в полностью новую, чистую сессию.
В: Какой оптимальный размер файла глобальных правил? О: Автор рекомендует 500–700 строк. Если правил становится больше, их нужно выносить в "On-demand" контекст (уровень 2) и подключать только для специфических задач.
В: Как Git помогает AI-агенту? О: Git-лог служит «внешней памятью». Если агент видит историю коммитов, он понимает, какие фичи уже внедрены, какие баги исправлены и в каком стиле велась работа, не перегружая текущий диалог.
В: Нужно ли использовать субагентов для написания кода? О: Нет, автор не рекомендует это. Субагенты идеальны для исследований и сбора данных. Для написания кода основному агенту нужен полный контекст текущих изменений, который субагент может упустить.
Конспект создан на основе видео «Claude Code: 2,000 Hour Power User Guide (The WHISK Framework)» канала Cole Medin. Все права на оригинальный материал принадлежат авторам. Источник: https://youtu.be/nxHKBq5ZU9U