Видео демонстрирует метод, основанный на идее Андрея Карпатия, который позволяет Claude Code сохранять контекст между сессиями с помощью простой системы Markdown-файлов, экономя время и токены.
Проблема и решение
•Claude Code часто забывает контекст между сессиями, тратя 5-10 минут на повторный анализ проекта.•Метод Карпатий предлагает создать папку с Markdown-файлами (Вики) вместо использования векторных баз или RAG.•Вики состоит из папок Raw (сырые данные) и Wiki (обработанные знания) с индексным файлом для навигации.•Это сокращает время запуска до 5 секунд и снижает расход токенов до 95%.Практическая реализация
•Установите Obsidian для визуализации и плагин Local Images Plus для загрузки изображений.•Используйте промпт Карпатий в Claude Code для автоматического создания структуры папок и файлов.•Настройте Web Clipper для сохранения статей в папку Raw, а Claude Code обработает их в Вики.•Для автоматизации добавьте хуки: session start (загрузка контекста), session end (сохранение уроков) и precompact (страховка при сжатии истории).Дополнительные инструменты и преимущества
•Скрипт compile преобразует логи разговоров в статьи Вики, а query позволяет делать запросы к Вики из терминала.•Скрипт lint проверяет Вики на ошибки, такие как битые ссылки или устаревшую информацию.•Метод подходит для соло-разработчиков и небольших команд, тогда как RAG нужен только при сотнях тысяч документов.•Всё работает на подписке Anthropic без отдельного API-ключа, создавая "второй мозг" для проекта.Ключевые выводы
•Метод Карпатий заменяет RAG простой системой Markdown-файлов, экономя до 95% токенов и ускоряя запуск Claude Code с 10 минут до 5 секунд.•Автоматизация через хуки и скрипты позволяет Claude Code самостоятельно сохранять знания из разговоров, создавая растущую базу знаний без ручного вмешательства.•Решение масштабируется от базовой настройки за 5 минут до продвинутой системы с линтингом и запросами из терминала, подходя для большинства проектов без сложных инфраструктур.Заключение
Внедрение этого метода превращает Claude Code в эффективного помощника с долговременной памятью, что критично для продуктивной работы с AI.
