Что именно поменялось в Claude Code
Я заметил мелочь, которая на деле совсем не мелочь: Claude Code в Plan Mode перестал предлагать очистить контекст перед выполнением. Судя по обсуждениям и по таймингу, это совпало с выходом 81-й версии и общей ставкой Anthropic на длинный контекст.
Официального подробного разъяснения по этому конкретному переключателю я не нашёл. Но картина складывается логично: после расширения окна до 1 миллиона токенов и появления механизмов compaction старый ритуал с ручной очисткой контекста уже выглядит не обязательным.
Я покопался в том, что Anthropic уже подсветила публично. Есть 1M context window в бете для Opus 4.6, есть context compaction, где старый контекст не просто висит мёртвым грузом, а ужимается и переупаковывается по мере роста сессии. Если это всё связать, исчезновение явного шага “очистить контекст и потом исполнять” уже не выглядит случайностью.
И да, тут есть важная оговорка: пока это больше похоже на изменение поведения продукта, чем на хорошо задокументированную фичу с release note в лоб. Так что я бы воспринимал это как наблюдаемую практику в свежей версии, а не как железобетонно подтверждённую политику Anthropic.
Почему это не косметика, а сдвиг в рабочем процессе
Раньше сама идея была понятной: сначала планируем, потом чистим контекст, потом исполняем без мусора из промежуточных рассуждений. Такой режим хорошо ложился на длинные агентные задачи, где лишний хвост диалога мог увести модель в сторону.
Теперь акцент, похоже, смещается. Вместо жёсткого разрыва между фазой анализа и фазой выполнения Claude Code всё больше полагается на большой контекст и внутреннюю упаковку истории. Для пользователя это выглядит приятнее: меньше лишних подтверждений, меньше ручных действий, быстрее переход от плана к коду.
Но я бы не записывал это в безусловные победы. Когда инструмент сам решает, что держать в памяти, а что схлопывать, мы выигрываем в скорости, но местами теряем прозрачность. В сложной разработке ИИ решений это может всплыть очень неприятно: модель помнит больше, но вы уже хуже понимаете, какой именно кусок истории повлиял на текущее решение.
Что это меняет для команд и AI-архитектуры
Если вы строите ИИ автоматизацию вокруг Claude Code, я бы пересмотрел саму дисциплину сессий. Раньше очистка контекста была встроенной подсказкой к хорошей гигиене. Теперь эту гигиену придётся держать в голове самим: дробить задачи, фиксировать артефакты вне чата, не надеяться, что длинная сессия всегда лучше короткой.
Особенно это касается команд, где Claude Code используют не как игрушку, а как слой в инженерном процессе: генерация патчей, рефакторинг, анализ репозиториев, подготовка миграций. При внедрении искусственного интеллекта в такие цепочки я обычно смотрю не только на “умеет ли модель дольше держать контекст”, а на воспроизводимость результата. А вот она как раз любит явные границы между этапами.
Кому это выгодно? Тем, кто работает с большими кодовыми базами и устал от постоянных рестартов сессии. Кому больнее? Тем, кто строил процессы вокруг предсказуемого обнуления состояния перед execution phase.
Я бы сейчас тестировал три вещи:
- как меняется качество выполнения после длинного plan stage;
- когда compaction начинает искажать важные детали задачи;
- нужна ли вам собственная прослойка с явным reset/summarize перед критическими шагами.
Вот тут и начинается нормальная архитектура ИИ-решений, а не магия на доверии. Мы в Nahornyi AI Lab такие штуки обычно проверяем на боевых сценариях: где модель пишет код, ходит в инструменты, читает репозиторий и должна не просто “ответить красиво”, а не сломать pipeline.
Мой вывод без фанфар
Мне нравится сам вектор: меньше трения, больше полезной длины сессии, меньше ручного менеджмента контекста. Но я бы не расслаблялся. Чем умнее становится управление памятью, тем важнее наблюдаемость, трассировка и понятные точки перезапуска.
Этот разбор сделал я, Вадим Нагорный из Nahornyi AI Lab. Я занимаюсь ИИ интеграцией и автоматизацией с помощью ИИ не в теории, а в реальных процессах команд и продуктов.
Если хотите, я могу посмотреть на ваш workflow с Claude Code или на более широкое внедрение ИИ в разработку. Приходите с конкретным кейсом — разберём вместе, где у вас выигрыш, а где скрытый риск.