Технічний контекст
Я б не робив із цього міфологію, але порада слушна: після виходу нової моделі Claude я майже завжди перечитую CLAUDE.md. У реальній AI-автоматизації це такий самий робочий артефакт, як системний промпт, роутинг чи набір tool calls. Якщо модель стала розумнішою, частина старих «милиць» лише заважає.
І ось тут я зазвичай гальмую й ріжу без жалю. Якщо у файлі накопичилися довгі заборони, повторювані правила та мікроінструкції на всі випадки, модель витрачає контекст не на завдання, а на обслуговування старих страхів команди.
Важливе застереження: я не знайшов офіційної документації Anthropic, де було б прямо сказано, що після кожного релізу потрібно переписувати саме CLAUDE.md. І тим більше немає підтвердженої публічної лінії про якісь «Fable models». Схоже, це або внутрішня назва, або чиясь локальна термінологія.
Але практичний висновок від цього не змінюється. Я бачу одне й те саме в проєктах: нова модель інакше інтерпретує старі інструкції, а роздутий CLAUDE.md починає провокувати зайві кола, уточнення та переперевірки. Це вже не теорія, а чиста механіка контекстного вікна.
Що я зазвичай перевіряю: які правила реально запобігають помилкам, а які просто дублюють здоровий глузд моделі. Якщо рядок можна видалити без наслідків, я його видаляю. Деталі щодо архітектури, тестів і доменних кейсів я виношу в окремі файли, а в CLAUDE.md залишаю короткий каркас.
Ще один корисний тест: після зміни моделі проганяю 2–3 типові задачі й дивлюся, де вона спотикається. Лише після реального збою додаю нову інструкцію. Не раніше.
Вплив на бізнес та автоматизацію
Для бізнесу це не філософія, а дуже приземлені ефекти. Перший: менше токенів на порожньому місці, особливо якщо команда часто викликає Claude в IDE, CI або внутрішніх асистентах. Другий: менше дивних відхилень у поведінці після оновлення моделі.
Виграють команди, у яких багато повторюваних інженерних сценаріїв: код, рев’ю, підтримка, внутрішні knowledge agents. Програють ті, хто перетворює CLAUDE.md на звалище корпоративних побажань.
У розробці AI-рішень я б узагалі ставився до таких файлів як до живої частини системи, а не як до нотатки «один раз написали й забули». Ми в Nahornyi AI Lab саме такі вузькі місця й розбираємо: де потрібен короткий каркас, де skill, де окрема AI-архітектура, а де інструкція лише роздуває вартість. Якщо відчуваєте, що Claude у вас почав ходити колами й спалювати контекст, можна швидко розібрати workflow і зібрати чистішу AI-автоматизацію під ваш реальний процес.