He usado Claude Code por más de 2,000 horas: así es como construyo lo que sea
원제 · I've Used Claude Code for 2,000+ Hours - Here's How I Build Anything With It
핵심 요약
El dominio de Claude Code requiere tratar el contexto como el recurso más preciado mediante el marco WISC para evitar la degradación del rendimiento en proyectos de software a gran escala.
하이라이트
El marco WISC (Write, Isolate, Select, Compress) es una metodología para optimizar el contexto en asistentes de programación con IA.
La degradación del contexto es la causa del 80% de los fallos en agentes de IA al trabajar en bases de código complejas.
Uso de Git como memoria a largo plazo mediante mensajes de commit estandarizados y detallados.
La importancia de separar la fase de planificación de la fase de implementación en ventanas de contexto nuevas.
Implementación de subagentes para tareas de investigación paralela, reduciendo el consumo de tokens en la ventana principal hasta en un 90%.
Estructuración de reglas en capas: globales, bajo demanda (específicas por área), habilidades y comandos de inicialización (prime).
Estrategias de salida como el comando /handoff y /compact para manejar sesiones que alcanzan límites críticos de información.
타임라인
Introducción y el Problema de la Degradación del Contexto
El autor comparte su experiencia tras usar Claude Code por más de 2,000 horas desde su fase de prueba y el lanzamiento de Claude 4. Introduce el marco WISC como la solución definitiva para gestionar el contexto, el cual considera el recurso más valioso en la programación con IA. Explica que la mayoría de los errores de los agentes ocurren debido a la saturación de información en la base de código. Este preámbulo establece por qué incluso con límites de 1 millón de tokens, el diseño cuidadoso del contexto es vital. El objetivo es transformar a un usuario básico en uno avanzado capaz de manejar proyectos empresariales masivos.
La Ciencia Detrás del Olvido de los LLM
Se analiza el Informe Técnico de Chroma para explicar cómo el exceso de tokens afecta negativamente el rendimiento de los modelos de lenguaje. El autor detalla el problema de la "aguja en el pajar", donde la IA pierde datos específicos entre información irrelevante llamada distractores. En bases de código grandes, los patrones repetitivos confunden al modelo, llevándolo a generar implementaciones erróneas con mucha seguridad. La ingeniería de contexto busca mantener la ventana lo más ligera posible mientras se entrega toda la información necesaria. Esta sección justifica científicamente la necesidad de las estrategias que se presentarán a continuación.
W de Write: Externalización de la Memoria
La primera letra del marco WISC se centra en escribir y capturar decisiones clave para que el agente aprenda rápido en sesiones futuras. El autor propone usar el log de Git como memoria a largo plazo mediante un comando /commit que estandariza los mensajes con detalles de construcción y mejoras de IA. Otra estrategia vital es iniciar una ventana de contexto nueva para la implementación tras haber finalizado la fase de planificación en un documento Markdown único. También se introduce el comando /handoff para crear resúmenes de progreso cuando una sesión se vuelve demasiado pesada. Estas técnicas aseguran que el agente esté enfocado exclusivamente en la tarea actual sin ruido histórico innecesario.
I de Isolate: El Uso Estratégico de Subagentes
Aislar la investigación es fundamental para mantener limpio el contexto principal de Claude Code. El autor demuestra cómo delegar la exploración de la base de código y la búsqueda web a subagentes que corren en paralelo. Esto permite que el agente principal reciba solo un resumen sintetizado, lo que representa una mejora del rendimiento del 90.2% según datos de Anthropic. Se explica también el "patrón de exploración" (scout pattern), donde un subagente evalúa qué archivos son relevantes antes de cargarlos oficialmente. De esta manera, se evita saturar la memoria con miles de tokens de documentación que podrían no ser útiles para la tarea inmediata.
S de Select: Gestión de Contexto por Capas
La selección se basa en cargar el contexto "justo a tiempo" y no de forma preventiva. El sistema se organiza en cuatro capas: reglas globales concisas, contexto bajo demanda para áreas específicas como el front-end, habilidades especializadas (skills) y comandos "prime". Las habilidades solo se cargan si el agente decide usarlas, como en el caso de herramientas de automatización de navegador para pruebas E2E. Los comandos "prime" sirven para que el agente realice una lectura profunda de la base de código al inicio de la planificación. Esta estructura jerárquica garantiza que el modelo siempre tenga las instrucciones correctas sin exceder los límites de atención.
C de Compress y Conclusión del Taller
La compresión es la última línea de defensa y solo debe usarse si las estrategias anteriores no fueron suficientes. El autor explica el uso del comando integrado /compact en Claude Code, recomendando dar instrucciones específicas para que el resumen priorice casos borde o detalles críticos. Sin embargo, enfatiza que la mejor estrategia de compresión es no necesitarla manteniendo el flujo de trabajo limpio desde el inicio. El video concluye con una invitación a un taller en vivo el 2 de abril sobre transformación organizacional con IA. Se resume el marco WISC como la herramienta esencial para construir sistemas de software fiables y repetibles con agentes inteligentes.
설명
I've used Claude Code for over 2,000 hours now. And if there's one thing I've learned, it's that about 80% of the time your coding agent messes up, it's not the model - it's how you're managing context. That problem is called context rot, and it gets worse the bigger your codebase gets! So I bundled up all of my battle-tested strategies into what I call the WISC framework - Write, Isolate, Select, Compress. Four strategies that keep your context window lean while still giving the agent everything it needs. I walk through each one with live demos on a real, complicated codebase so you can see exactly how they work in practice. These strategies work on any codebase, even massive ones, and they apply to any AI coding assistant. If you already know the basics and you're ready to actually get reliable results from AI coding, this is it my friend. ~~~~~~~~~~~~~~~~~~~~~~~~~~ - Want a complete AI transformation? Come to the free AI Transformation Workshop I'm hosting with Lior Weinstein on April 2nd: https://dynamous.ai/ai-transformation-workshop - If you want to dive even deeper into building reliable and repeatable systems for AI coding, check out the Dynamous Community and Agentic Coding Course: https://dynamous.ai/agentic-coding-course ~~~~~~~~~~~~~~~~~~~~~~~~~~ - GitHub repo with all the commands/resources I share in this video: https://github.com/coleam00/context-engineering-intro/tree/main/use-cases/ai-coding-wisc-framework - Context Rot Research (Chroma): https://research.trychroma.com/context-rot - Anthropic Context Engineering Guide: https://www.anthropic.com/engineering/effective-context-engineering-for-ai-agents ~~~~~~~~~~~~~~~~~~~~~~~~~~ 0:00 Intro 2:04 Why Context Management Matters 5:26 W: Git Log as Long-Term Memory 8:45 W: Separate Planning & Implementation Sessions 10:02 W: Progress Files & Decision Logs 11:42 I: Subagents for Research 14:04 I: The Scout Pattern 15:33 S: Layered Context Selection 19:28 C: Compression Strategies 21:31 Conclusion 22:09 Free Workshop Announcement! ~~~~~~~~~~~~~~~~~~~~~~~~~~ Join me as I push the limits of what is possible with AI. I'll be uploading videos weekly - at least every Wednesday at 7:00 PM CDT!