02. Контекстное окно и prompt cache

Самая частая причина «Claude вдруг стал тупее» — переполненное окно. Самая частая причина «вдруг стало дорого» — потерянный кэш. Эта глава — про то, как этого избегать.

2.1. Что такое контекстное окно#

Контекстное окно — максимальное количество токенов, которое модель видит за один запрос. Это и input (всё, что вы ей послали), и место для output (то, что она напишет).

Лимиты на 23.04.2026:

📘 Из docs (model-config#extended-context): «Opus 4.7, Opus 4.6, and Sonnet 4.6 support a 1 million token context window».

Включить 1M на Max/Team/Enterprise:

• Opus 1M входит в подписку.
• Sonnet 1M идёт как extra usage (доплата).
• Отключить можно через env: CLAUDE_CODE_DISABLE_1M_CONTEXT=1.

⚠️ opusplan режим (опишем ниже) НЕ поддерживает 1M-окно — даже если вы включили sonnet[1m], plan-фаза с Opus отработает в стандартных 200k.

2.2. Из чего состоит контекст#

Каждый запрос содержит несколько слоёв. Их можно увидеть в CLI командой /context:

📘 /context (из docs commands): «Visualize current context usage as a colored grid. Shows optimization suggestions for context-heavy tools, memory bloat, and capacity warnings».

Что обычно занимает больше всего токенов в реальной сессии:

1. Tool results — особенно Read больших файлов и Bash с verbose-output. Лидер по «съеданию» окна.
2. Большой CLAUDE.md — если вы туда положили README, ADR’ы и changelog «на всякий случай».
3. Длинная история — каждый предыдущий tool call с результатом остаётся в окне.
4. Tool definitions — определения всех tools (включая MCP) могут весить 3-15k. Особенно если у вас подключено 5+ MCP-серверов с десятками tools каждый.

💡 Перед сложной задачей запустите /context — увидите разбивку и поймёте, что выкинуть.

2.3. Prompt cache: как работает#

Anthropic API поддерживает prompt caching — механизм, при котором повторяющийся префикс запроса не пересчитывается заново.

📘 Из platform docs (build-with-claude/prompt-caching): «By default, the cache has a 5-minute lifetime». Можно явно поставить TTL = 1 час, но за это берут 2× от input-цены на write (read остаётся таким же).

Иерархия кэша (что считается «префиксом»):

Если вы изменили более ранний слой — все более поздние тоже пересчитываются. Например, добавили один MCP-сервер → tools поменялся → весь кэш аннулирован.

Сколько стоит cache vs no-cache (на примере Sonnet 4.6, $3 за 1M input-токенов):

Расчёт экономии в реальной сессии Travel Agent:

Допустим, system + CLAUDE.md + tools = 25k токенов. Вы делаете 10 запросов за 5 минут.

• Без кэша: 10 × 25k × $3/M = **$0.75**
• С кэшем: 1 × 25k × $3.75/M (write) + 9 × 25k ×$0.30/M (read) = $0.094 +$0.067 = $0.16

Экономия — 80%. Это и есть причина, по которой prompt cache — must-have, а его потеря — ощутимая боль.

2.4. Когда кэш ломается#

Кэш аннулируется (или истекает), когда:

⚠️ Миф: «переключение модели ломает prompt cache навсегда». Реальность: следующий запрос будет cache miss (один раз дороже), а потом всё снова кэшируется на новой модели.

📘 Из docs /model: «opens a picker that asks for confirmation when the conversation has prior output, since the next response re-reads the full history without cached context».

То есть смена модели — это разовая доплата. Не «навсегда» и не «нельзя». Просто учитывайте.

2.5. opusplan — фича, которую неправильно называют «Advisor mode»#

В треде, с которого мы начинали, упоминался «Advisor mode». В официальных docs такой фичи нет. Реальная фича называется opusplan.

📘 Из docs model-config#opusplan-model-setting: «Special mode that uses opus during plan mode, then switches to sonnet for execution».

# В CLI
/model opusplan

Что происходит:

Ограничения opusplan:

• ⚠️ Opus-фаза работает в обычных 200k, даже если вы включили sonnet[1m].
• ⚠️ Переход — это всё ещё две разные модели → один cache-miss на стыке (но дальше каждая модель кэшируется отдельно).
• 💡 Подходит для архитектурных задач: «спланируй большой рефакторинг» → детальный план от Opus → дешёвое исполнение Sonnet’ом.

🔧 Для Travel Agent: включаем opusplan, когда переписываем интеграцию с Amadeus или меняем схему БД. Не нужно — для рутинных правок React-компонентов.

2.6. /compact, /clear и автокомпакция#

/compact [hint] — Claude сам пересказывает текущую сессию в кратком виде, заменяя длинную историю summary’ем. hint — что особенно сохранить.

/compact "сохрани решения по архитектуре MCP-серверов и текущий список открытых TODO"

/clear — полный сброс. Оставляет только system + CLAUDE.md. Кэш messages полностью теряется.

Автокомпакция — harness сам запускает /compact, когда окно заполняется выше порога (по умолчанию ~95%).

📘 Управляется env-переменной CLAUDE_AUTOCOMPACT_PCT_OVERRIDE (1–100). Не CLAUDE_CODE_AUTO_COMPACT_THRESHOLD, как иногда пишут.

# В .zshrc / .bashrc
export CLAUDE_AUTOCOMPACT_PCT_OVERRIDE=80   # запускать компакцию на 80% заполнения

Также есть CLAUDE_CODE_AUTO_COMPACT_WINDOW — позволяет «соврать» harness’у про размер окна (например, на 1M-моделях считать как 500k, чтобы качество не падало). Из практики:

export CLAUDE_CODE_AUTO_COMPACT_WINDOW=400000  # держать сессию в "виртуальных" 400k

⚠️ Эмпирика, не из docs: многие практики (включая исходный твиттер-тред) утверждают, что «после 300–400k качество падает». Точных бенчмарков от Anthropic на эту тему публично нет, но симптомы знакомы: модель начинает забывать ранние решения, противоречить себе, повторно читать те же файлы. Если вы дошли до 400k — всерьёз думайте про /compact или новую сессию.

2.7. Когда /compact, когда /clear, когда новая сессия#

Правило большого пальца для Travel Agent:

• Доделываете один React-компонент → закончили → /clear перед следующим.
• Долгая отладка одной фичи (несколько часов) → /compact "сохрани контекст про SSE-стрим и текущий баг".
• Переключаетесь с frontend на backend → новая сессия (контексты разные, общего мало).

2.8. Чек-лист «как не сжечь окно и кэш»#

✅ Перед длинной задачей запустите /context — оцените стартовое заполнение. ✅ CLAUDE.md держите ≤ 5k токенов. Большее — рассыпайте по subdirectory CLAUDE.md (см. 03). ✅ MCP-серверы подключайте до старта работы, не в середине. ✅ Если задача длится > 5 минут с паузами — попросите harness использовать 1h TTL (флаг настройки или передача cache_control.ttl="1h" через SDK). ✅ Не читайте Read целиком огромные файлы (логи на 50k строк) — используйте Grep или offset/limit. ✅ После каждой завершённой задачи — /clear. ✅ Для архитектурных решений включайте opusplan (план Opus’ом, реализация Sonnet’ом). ✅ Если поймали «модель тупит после долгой сессии» — сделайте /compact или начните новую.

⚠️ Чего НЕ надо делать: ❌ Использовать 1M-окно «потому что есть» — это и дорого, и хуже по качеству. ❌ Подключать все MCP-серверы «на всякий случай» — каждый раздувает tools. ❌ Пихать в CLAUDE.md весь README, лицензию, changelog и список зависимостей. ❌ Менять модель в середине сложной задачи без необходимости (либо используйте opusplan).

Дальше → 03. CLAUDE.md: уровни, импорты, авто-память