🎯 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.md через 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.md

5. 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 файл summary.md со 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.

FAQ

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