Claude Code 102
01 / 12
  이동 · F 전체화면   navigate · F fullscreen [email protected]
핵심 메시지 — 2강 시작 전에 The message — before session 2

RULE
No.2

컨텍스트를 지켜라.
1강에서 대화가 길수록 비싸진다고 했죠 — 오늘은 그 작업용 책상을 지키는 법입니다.
Protect your context.
In Session 1 we saw that longer conversations cost more — today is about keeping that work desk clean.

컨텍스트 = 작업용 책상Context = your work desk
대화마다 새 책상Fresh desk each session
책상이 꽉 차면 Claude가 중요한 서류를 못 찾는다A cluttered desk means Claude can't find what matters
오늘 배울 실천 3가지3 habits you'll learn today
① 일 바뀌면 새 대화① New chat when task changes
② 길어지면 압축  ③ 마라톤 세션 피하기② Compress when long  ③ Avoid marathon sessions

심화 — 출력/입력 가격 배율 5배. 저자 실측 출력/입력 볼륨 비율 6.64배 실측. 비용의 86.9%는 출력. 비용 최적화 상세는 16강에서. Deep dive — output/input price ratio exactly 5x. Author's measured volume ratio: 6.64x real data. 86.9% of cost is output. Cost optimization details in Session 16.

책상 비유로 보는 — 대화의 5단계 A conversation's 5 stages — desk analogy

단계마다 쌓이는 방식이 다르다. Each stage clutters the desk differently.

01
대화 시작Open chat
기본 도구
자동 적재
책상 12% 선점
Built-in tools
load automatically
12% desk used
챕터 01Chapter 01
02
기억 / 입력Memory / input
이전 내용
자동 기억
반복 없이 빠름
Prior content
auto-remembered
fast, no repeat
챕터 02Chapter 02
03
작업 결과Task results
사라지지
않고 쌓임
책상 잠식
Stays on desk
piles up
crowds other docs
챕터 03Chapter 03
04
Claude 답변Claude's answer
비용의
86% 차지
핵심 절약 포인트
86% of cost
comes here
key savings point
챕터 04Chapter 04
05
다음 질문Next question
책상이 꽉 찰수록
집중력 저하
답변 품질 하락
Fuller desk =
less focus
worse answers
챕터 05Chapter 05

책상이 어디서 막히는지 알면 — 언제 치워야 할지가 보인다. Know where the desk gets cluttered — you know when to clear it.

챕터 01 — 대화를 여는 순간 Chapter 01 — The moment you open a chat
12%
첫 메시지 입력 전에 이미 채워진 책상 비율 (2026-06 기준) Desk already occupied before your first message (2026-06)
Claude가 대화를 열 때 기본 도구 설명서를 자동으로 가져옵니다 — 여러분이 아무 말도 하기 전에 책상의 12%가 이미 찼습니다 When Claude opens a chat it automatically loads built-in tool manuals — 12% of your desk is already used before you say a word
책상에 올라오는 것What lands on the desk 크기Size 특성Type
기본 도구 설명서 (~17종)Built-in tool manuals (~17)~8,000고정 — 바꿀 수 없음fixed — can't change
작업 지침서 (CLAUDE.md)Work instructions (CLAUDE.md)가변variable매 대화 항상 로드every session, always
MCP 확장 도구 설명서extension manuals가변variable연결 시에만only when connected
스킬 (전문 기능)Skills (advanced features)0 (호출 전before call)필요할 때만 로드loaded on demand

[실측: 저자 직접 측정, 2026-06] 기본 도구는 줄일 수 없습니다. 무엇을 추가로 얹느냐만 조절 가능. 작업 지침서(CLAUDE.md)는 항상 로드되므로 짧게 유지하세요 — 1,000단어 이내가 적정. 심화: 도구 스키마 토큰 상세 — 16강에서. [real data: author measurement, Jun 2026] Built-in tools are fixed — you can only control what you add on top. Keep your work instructions (CLAUDE.md) short — under 1,000 words is ideal. Deep dive: tool schema token details in Session 16.

챕터 02 — Claude의 단기 기억 Chapter 02 — Claude's short-term memory

같은 내용은 두 번 읽지 않는다 — 책상 위 이미 펼쳐진 서류. Claude doesn't re-read what it already has open — like a document already on the desk.

기억이 초기화되는 상황 (주의)When memory resets (watch out)
대화 중 모델 바꾸기 · 플러그인(MCP) 연결/해제
/compact 실행 · Claude Code 업그레이드
Switching model mid-chat · toggling plugins (MCP)
Running /compact · upgrading Claude Code
조직 차원에서는 이런 절감도 가능At org scale, this kind of savings is achievable
$758 절감 / 32일$758 saved / 32 days
저자 32일 실측 — 대화 중 설정을 바꾸지 않는 것만으로. 실측Author's 32-day measurement — just by not changing settings mid-chat. real data
  • 한 대화 안에서 설정(모델, 플러그인)을 바꾸지 않는다Don't change settings (model, plugins) within the same chat
  • 설정을 바꿔야 한다면 새 대화(/clear)에서 시작If settings must change, start a new chat (/clear) first
  • 대화 중간에 모델을 바꾸면 기억이 초기화돼 비용이 다시 발생Switching model mid-chat resets memory and incurs costs again

심화 — [실측: 실험E] 캐시 히트율 98.7%, ccusage 분석 (ccusage v20.0.6 · 2026-06-01). 캐시 배율: 히트 0.1x / 쓰기 1.25x / 1시간 쓰기 2.0x. 세부 경제학 — 16강에서. Deep dive — [real data: Exp-E] 98.7% cache hit rate, ccusage analysis (v20.0.6 · 2026-06-01). Cache multipliers: hit 0.1x / write 1.25x / 1-hr write 2.0x. Detailed economics in Session 16.

챕터 03 — 책상 위 서류는 사라지지 않는다 Chapter 03 — Documents on the desk don't disappear

Claude가 뭔가를 할 때마다 결과가 책상에 쌓인다. Every time Claude does something, the result piles up on the desk.

정리 안 하면Without clearing
책상이 꽉 참Desk gets full
작업 결과가 계속 쌓여 중요한 지시가 묻힌다 — 답변 품질이 떨어지는 이유Results keep piling up, burying important instructions — why answer quality drops
한 대화에는 한 가지 일One task per chat
일이 끝나면 /clearWhen done → /clear
새 책상으로 시작하면 이전 서류더미가 사라진다 — 답변이 다시 선명해진다Starting fresh clears the pile — answers become sharp again
  • 한 대화에서 여러 프로젝트를 섞어서 진행Mixing multiple projects in one chat
  • 일이 바뀌면 새 대화로 — /clear (책상 초기화)New task → new chat — /clear (reset the desk)
  • 같은 주제가 계속되면 — /compact (서류 압축 정리)Same topic continues → /compact (compress the pile)
  • 20번 이상 대화를 이어가지 않는다Don't continue the same chat past 20 exchanges

심화 — [출처: Anthropic Cookbook] tool result clearing 기능(베타)으로 쌓인 결과를 서버에서 제거 시 최대 -48.4% 감소 (335,279 → 173,137 토큰). API 설정 상세 — 16강에서. Deep dive — [Source: Anthropic Cookbook] tool result clearing (beta) removes accumulated results server-side: up to -48.4% reduction (335,279 → 173,137 tokens). API configuration details in Session 16.

챕터 04 — Claude 답변이 비용의 핵심 Chapter 04 — Claude's answer is where cost lives
86%
전체 비용 중 Claude 답변(출력)이 차지하는 비율 · 저자 32일 실측 실측Share of total cost from Claude's answers (output) · author 32-day measurement real data
비교Comparison 내 질문 (입력)My question (input) Claude 답변 (출력)Claude's answer (output)
비용 비율Cost ratio14%86%
파일 일부 수정 — 변경분만 (Edit)Partial file edit — diff only (Edit)~200 단어~200 words
파일 일부 수정 — 전체 재작성 (Write)Partial file edit — full rewrite (Write)~3,000 단어 (15배 낭비)~3,000 words (15x waste)
질문이 길수록 답변도 길어짐Longer question → longer answer↑ 늘어남↑ grows↑ 비례해서 늘어남↑ grows proportionally

실천 팁 — 파일 수정 요청 시 "전체 다시 써줘" 보다 "이 부분만 고쳐줘"가 훨씬 효율적. 심화: 출력/입력 볼륨 비율 6.64배, 출력 다이어트 효과 13배 — 16강에서. [실측: 실험E, ccusage 32일] Practical tip — "fix just this part" is far more efficient than "rewrite the whole thing." Deep dive: output/input volume ratio 6.64x, output diet is 13x more effective — Session 16. [real data: Exp-E, ccusage 32 days]

챕터 05 — 책상이 꽉 차면 무슨 일이 일어나나 Chapter 05 — What happens when the desk is full

대화가 길어질수록 Claude가 중간 내용을 잊는다. The longer the chat, the more Claude forgets the middle.

책상이 꽉 차면 — 집중력 분산Full desk — attention splits
1/10
서류가 10배 늘면 각 서류에 쏟는 집중력이 1/10로 줄어든다10x more documents = 1/10 the focus on each one
중간에 한 지시는 잊혀진다 [연구]Mid-chat instructions get forgotten [study]
-30%+
대화 중간에 한 요청의 회상 정확도 하락 [Chroma 18개 모델 실증]Recall accuracy drop for mid-chat instructions [Chroma 18-model study]
  • 하나의 대화에서 여러 날 · 여러 주제를 이어감Running multiple days and topics in one chat
  • 일이 바뀌면 새 대화 — /clear (책상 완전 초기화)Task changes → new chat — /clear (full desk reset)
강의 노트Lecture notes

02강 · 토큰 & 컨텍스트Lesson 02 · Tokens & Context

Rule No.2 — 컨텍스트를 지켜라Rule No.2 — Protect the context

강의 요약Summary

분명 처음엔 척척 알아듣던 Claude가, 한 대화를 오래 붙들고 있으면 갑자기 엉뚱한 소리를 하기 시작합니다. 아까 "이 브랜드 리뷰만 보라"고 했는데 다른 브랜드를 끌어오고, 앞에서 정해 준 답장 톤을 슬그머니 잊어버립니다. 머리가 나빠진 걸까요? 아닙니다. 머리는 그대로인데, 책상이 너무 어질러진 겁니다. 이 강의는 그 책상의 정체 — '컨텍스트'를 다룹니다.Claude understands you perfectly at first — then you hold onto one long conversation and it suddenly goes off the rails. You said "only look at this brand's reviews," yet it drags in another brand; the reply tone you fixed earlier quietly gets forgotten. Did it get dumber? No. The brain is unchanged — the desk just got cluttered. This lecture is about that desk, which has a name: context.

먼저 두 단어만 잡고 갑니다. 토큰은 Claude가 글을 읽고 쓰는 최소 단위입니다. 한글로 치면 대략 한두 글자가 토큰 하나예요. 우리가 붙여 넣는 리뷰 100건도, Claude가 써 주는 답장도, 전부 토큰으로 환산됩니다. 컨텍스트는 한 대화에서 Claude가 '지금 동시에 보고 있는' 토큰 전부 — 즉 작업용 책상의 크기입니다. 이 책상은 생각보다 작고, 한 번 올려놓은 건 사라지지 않고 계속 쌓입니다. 리뷰를 잔뜩 붙이고, 매출 표를 올리고, 수정 요청을 스무 번 주고받으면, 책상은 어느새 발 디딜 틈 없이 가득 찹니다.Start with two words. A token is the smallest unit Claude uses to read and write. In English, very roughly, a token is about three-quarters of a word. The 100 reviews you paste in, the reply Claude writes back — all of it converts into tokens. Context is every token Claude is "looking at simultaneously" in one conversation — the size of its working desk. That desk is smaller than you'd think, and once something is placed on it, it doesn't vanish; it keeps piling up. Paste in a pile of reviews, drop in a sales table, exchange twenty rounds of edits, and before long the desk is packed wall to wall.

책상이 가득 차면 두 가지 일이 벌어집니다. 첫째, 새 자료를 더는 못 올립니다(한계). 둘째, 그 전에 이미 품질이 흐려집니다. Claude의 주의력은 책상 위 전체에 얇게 퍼지는데, 잡동사니가 많을수록 정작 중요한 종이 한 장에 쏠리는 주의가 줄거든요. 특히 대화 중간쯤에서 정해 준 지시가 가장 잘 잊힙니다 — 처음과 끝은 또렷한데 가운데가 흐려지는 거죠. 그래서 길고 어질러진 한 대화는 '싸 보여도' 실은 비쌉니다. Claude가 같은 일을 두세 번 반복하거나, 틀린 걸 그럴듯하게 내놓아서 우리가 다시 잡아야 하니까요.When the desk fills up, two things happen. First, you can't add new material (the limit). Second, well before that, quality already blurs. Claude's attention spreads thinly across everything on the desk, so the more clutter there is, the less attention lands on the one sheet that actually matters. Instructions given mid-conversation get forgotten the most — the start and end stay sharp, but the middle goes hazy. So a long, cluttered conversation looks cheap but is actually expensive: Claude redoes the same work two or three times, or hands you something wrong but plausible that you then have to catch and fix.

해법은 토큰을 아끼는 게 아니라 책상을 깨끗하게 지키는 겁니다. 실천은 세 가지뿐입니다. 하나, 일이 바뀌면 대화를 새로 엽니다 — 리뷰 분석을 끝냈으면 발주 메모는 새 창에서. 둘, 한 대화에 모든 자료를 쏟아붓지 말고 이번 일에 필요한 것만 올립니다. 셋, 대화가 길어졌으면 지금까지의 결론을 몇 줄로 압축해 새 대화에 다시 깔고 시작합니다. 도구가 바뀌고 화면이 달라져도 원리는 그대로입니다 — 책상을 좁게, 자료는 필요한 것만, 길어지면 끊고 핵심만 다시. 컨텍스트를 지키는 사람이 결국 더 정확하고 더 싸게 씁니다.The fix isn't to save tokens — it's to keep the desk clean. There are only three habits. One, when the job changes, open a new conversation: finished the review analysis? Do the purchase-order memo in a fresh window. Two, don't dump every document into one chat — put down only what this task needs. Three, when a conversation gets long, compress the conclusions so far into a few lines and lay them back down at the start of a new chat. Tools and screens will change, but the principle holds: keep the desk small, only the material you need, and when it gets long, cut and re-lay just the essentials. The person who protects the context ends up working more accurately — and more cheaply.

핵심 개념 5가지Five key concepts

  1. 01

    토큰 — Claude가 글을 읽고 쓰는 최소 단위The token — Claude's smallest unit of reading and writing

    Claude는 글자를 통째로 보지 않고 '토큰'이라는 작은 조각으로 끊어 읽고 씁니다. 한글이면 대략 한두 글자가 토큰 하나예요. 우리가 붙여 넣는 고객 문의, 리뷰 100건, 매출 표도 전부 토큰으로 환산되고, Claude가 써 주는 답장·요약도 토큰입니다. 왜 알아야 하냐면, Claude가 한 번에 다룰 수 있는 양에 '토큰 단위의 한계'가 있기 때문입니다. 글자 수가 아니라 토큰 수가 진짜 그릇의 크기예요. 리뷰를 통째로 1,000건 붙이는 것과 핵심 50건만 추리는 것은, 같은 일처럼 보여도 Claude가 짊어지는 토큰 무게가 완전히 다릅니다.Claude doesn't read text whole — it breaks it into small pieces called tokens, reading and writing piece by piece. In English, very roughly, a token is about three-quarters of a word. The customer inquiries you paste, the 100 reviews, the sales table — all convert into tokens, and so do the replies and summaries Claude writes back. Why does this matter? Because the amount Claude can handle at once has a limit measured in tokens. The real size of the bowl is the token count, not the character count. Pasting 1,000 reviews whole versus narrowing to the 50 that matter may look like the same task, but the token weight Claude carries is completely different.

  2. 02

    컨텍스트 — 한 대화의 '작업용 책상'Context — the 'working desk' of one conversation

    컨텍스트는 한 대화에서 Claude가 지금 동시에 보고 있는 토큰 전부입니다. 작업용 책상이라고 생각하세요. 그런데 이 책상은 두 가지 성질이 있습니다. 첫째, 크기가 정해져 있어 무한정 올릴 수 없습니다. 둘째, 한 번 올린 건 사라지지 않고 대화 내내 그대로 쌓여 있습니다 — 처음에 붙인 리뷰도, 중간의 매출 표도, 스무 번 주고받은 수정 요청도 전부요. 그래서 대화가 길어질수록 책상은 점점 좁아집니다. "왜 갑자기 새 자료를 못 읽지?" 싶을 때, 대개는 Claude가 멍청해진 게 아니라 책상이 꽉 찬 겁니다.Context is every token Claude is looking at simultaneously in one conversation. Think of it as a working desk. But this desk has two properties. First, its size is fixed — you can't pile on endlessly. Second, whatever you place on it doesn't disappear; it stays there for the whole conversation — the reviews you pasted at the start, the sales table in the middle, the twenty rounds of edits, all of it. So the longer the conversation runs, the more crowded the desk gets. When you wonder "why can't it read the new material all of a sudden?", usually Claude hasn't gotten dumber — the desk is simply full.

  3. 03

    대화가 길어지면 품질이 흐려진다The longer the chat, the blurrier the quality

    책상이 다 차기 한참 전부터 이미 품질이 떨어집니다. Claude의 주의력은 책상 위 전체에 얇게 퍼지는데, 잡동사니가 많을수록 정작 중요한 종이 한 장에 가는 주의가 줄거든요. 특히 대화 '중간쯤'에서 줬던 지시가 가장 잘 잊힙니다 — 맨 처음과 맨 끝은 또렷한데 가운데가 흐려지는 현상이에요. 그래서 긴 대화에서는 아까 "이 브랜드만"이라고 못 박은 게 무시되거나, 정해 준 답장 톤이 슬그머니 바뀝니다. 길고 어질러진 대화는 '한 창에서 다 했으니 효율적'으로 보이지만, 실은 Claude가 같은 일을 반복하거나 틀린 걸 그럴듯하게 내놓아 우리가 다시 잡아야 하므로 더 비쌉니다.Quality drops well before the desk is full. Claude's attention spreads thinly across everything on the desk, so the more clutter there is, the less attention reaches the one sheet that matters. Instructions given around the middle of a conversation get forgotten the most — the very start and the very end stay sharp, but the middle goes hazy. That's why, in a long chat, the "this brand only" you nailed down earlier gets ignored, or the reply tone you set quietly shifts. A long, cluttered conversation looks efficient — "I did it all in one window" — but it's actually more expensive, because Claude repeats work or hands you something wrong-but-plausible that you have to catch and redo.

  4. 04

    일이 바뀌면 새 대화로 끊어 간다When the job changes, cut to a new conversation

    가장 쉬운 해법은 '한 가지 일에 한 대화'입니다. 리뷰 분석을 끝냈으면, 그 창에서 곧장 발주 메모를 부탁하지 말고 새 대화를 여세요. 앞 작업의 리뷰 1,000건과 오간 수정들이 책상에 그대로 남아 새 일을 방해하기 때문입니다. 새 대화는 깨끗한 책상에서 시작하는 것과 같아, 앞 일의 잡동사니에 휘둘리지 않고 또렷하게 일합니다. "앞에서 얘기한 게 사라지면 손해 아닌가" 싶겠지만, 새 작업에서는 그게 오히려 장점입니다. 작업이 바뀌는 순간이 바로 대화를 끊을 신호예요 — 고객 문의 답장 → (끊고) 매출 리포트 요약 → (끊고) 경쟁사 모니터링, 이렇게 일 단위로 창을 나누면 매번 깨끗한 책상에서 정확하게 일할 수 있습니다.The easiest fix is "one job, one conversation." Finished the review analysis? Don't ask for the purchase-order memo in that same window — open a new conversation. The previous task's 1,000 reviews and all those edits are still sitting on the desk, getting in the way of the new job. A new conversation is like starting at a clean desk: it works clearly, undistracted by the old clutter. You might think "isn't it a loss if the earlier discussion disappears?" — but for a new task, that's a feature, not a bug. The moment the task changes is your signal to cut: reply to customer inquiry → (cut) summarize the sales report → (cut) competitor monitoring. Splitting windows by job lets you work accurately at a clean desk every time.

  5. 05

    핵심만 압축해 다시 깔고 이어 간다Compress the essentials and re-lay them to continue

    한 가지 일이 진짜로 길어졌을 때 — 책상은 이미 꽉 찼는데 작업은 아직 안 끝났을 때는 어떻게 할까요. 처음부터 다시 붙여 넣지 말고, '지금까지의 결론'만 몇 줄로 압축하세요. 정해진 답장 톤, 합의된 환불 기준, 빼기로 한 항목 같은 핵심 결정만 추려 적고, 그걸 새 대화 맨 앞에 다시 깔고 이어 가는 겁니다. 오간 대화 100줄은 버리고 결론 5줄만 들고 가는 거예요. 주의할 점은, 압축은 '손실'을 동반한다는 겁니다 — 큰 결론은 살아남지만 세세한 숫자나 사소한 맥락은 빠질 수 있으니, 꼭 필요한 구체값(주문번호, 정확한 금액 등)은 압축 메모에 직접 적어 두세요. 책상을 좁게, 자료는 필요한 것만, 길어지면 끊고 핵심만 다시 — 이것이 컨텍스트를 지키는 전부입니다.What about when a single job genuinely runs long — the desk is already full but the work isn't done? Don't re-paste everything from the start; compress just "the conclusions so far" into a few lines. Pull out only the key decisions — the agreed reply tone, the settled refund criteria, the items you decided to drop — write them down, and re-lay them at the very top of a new conversation to continue. You throw away the 100 lines of back-and-forth and carry forward just the 5 lines of conclusions. One caution: compression comes with loss — the big conclusions survive, but fine numbers and minor context can drop out. So write any must-keep specifics (order numbers, exact amounts) directly into the compressed note. Keep the desk small, only the material you need, and when it gets long, cut and re-lay just the essentials — that is the whole of protecting context.

실습 예제Exercise

컨텍스트를 '지키는 것'과 '내버려 두는 것'의 차이를 직접 한 번 체감해 보는 연습입니다. 코드도 설정도 필요 없고, Claude 대화창 두 개만 있으면 됩니다. 소재는 매장운영·CS·상품기획에서 매일 하는 일 — 고객 리뷰를 모아 개선점을 뽑는 작업입니다. 먼저 '어질러진 책상' 방식으로 한 대화에 모든 걸 쏟아붓고 결과가 어떻게 흐려지는지 보고, 그다음 '깨끗한 책상' 방식으로 일을 끊고 핵심만 압축해 이어 가며 결과가 어떻게 또렷해지는지 비교합니다. 핵심은 네 가지를 몸으로 익히는 것입니다 — ① 이번 일에 필요한 자료만 올리기 ② 일이 바뀌면 새 대화 ③ 길어지면 결론을 몇 줄로 압축 ④ 꼭 필요한 구체값은 직접 적어 두기.This exercise lets you feel the difference between "protecting" context and "leaving it to pile up." No code, no config — just two Claude chat windows. The subject is something store-operations, CS, and product-planning staff do every day: gathering customer reviews and pulling out improvement points. First you'll do it the "cluttered desk" way — dump everything into one conversation and watch the result blur — then the "clean desk" way — cut the job and carry forward only the compressed essentials — and compare how much sharper the result gets. The point is to internalize four habits: (1) load only the material this task needs, (2) when the job changes, start a new conversation, (3) when it gets long, compress the conclusions into a few lines, (4) write any must-keep specifics down directly.

복사해서 Claude 대화창에 붙여넣기Copy & paste into a Claude chat

[새 대화 1 — 깨끗한 책상으로 시작] 너는 우리 매장의 고객 리뷰 분석 도우미야. 지금부터 내가 한 상품의 리뷰 여러 건을 붙여 넣을게. 이번 대화에서는 '이 상품 한 개'의 리뷰만 다루고, 다른 상품 얘기는 끌어오지 마. ## 이번 일 내가 리뷰를 붙여 넣으면, 아래만 정리해서 돌려줘. 1. 불만 TOP 3: 가장 자주 나온 불만을 많이 언급된 순서로 세 가지. 2. 칭찬 TOP 3: 가장 자주 나온 칭찬 세 가지. 3. 한 줄 개선 제안: 당장 매장에서 손볼 수 있는 것 하나. ## 규칙 - 내가 이번에 붙여 넣은 리뷰, 그것만 근거로 삼아. 일반적인 상식이나 다른 상품 경험으로 추측해서 채우지 마. - 리뷰에 근거가 약한 항목은 지어내지 말고 "이 부분은 리뷰만으로는 확인 어려움"이라고 표시해. (여기에 같은 상품 리뷰 15~20건을 붙여 넣는다.)

  1. 어질러진 책상 만들어 보기: 먼저 일부러 한 대화에 다 쏟아붓는다. 위 지시문으로 리뷰를 분석시킨 뒤, 같은 창에서 끊지 않고 곧바로 "이제 이 결과로 다음 달 발주 메모도 써줘", "경쟁사 A 상품이랑도 비교해줘", "답장 템플릿도 만들어줘"를 계속 이어서 시킨다. 대화가 길어질수록 처음에 정한 '이 상품 한 개만'이 흐려지고, 다른 상품을 끌어오거나 앞 결론을 슬그머니 바꾸는 순간이 보이면 — 그게 책상이 꽉 차 품질이 흐려지는 지점이다.Build a cluttered desk on purpose: First, deliberately dump everything into one conversation. After analyzing the reviews with the instruction above, don't cut the window — keep going in the same chat with "now write next month's purchase-order memo from this," "also compare it with competitor A's product," "and make a reply template too." As the conversation lengthens, watch the original "this one product only" blur — the moment it drags in another product or quietly changes an earlier conclusion is the point where the full desk degrades quality.
  2. 깨끗한 책상으로 다시 하기: 새 대화를 연다. 위 지시문으로 리뷰 분석 '한 가지'만 시키고, 결과가 나오면 거기서 멈춘다. 발주 메모나 경쟁사 비교는 또 다른 새 대화에서 따로 한다. 같은 자료인데도 새 책상에서 한 분석이 더 또렷하고, 엉뚱한 상품이 끼어들지 않는 걸 1단계 결과와 나란히 비교한다.Redo it with a clean desk: Open a new conversation. Run only the one review analysis with the instruction above, and stop when you get the result. Do the purchase-order memo and the competitor comparison in their own separate new conversations. With the exact same material, notice that the analysis done at a fresh desk is sharper and no stray product creeps in — compare it side by side with the step-1 result.
  3. 핵심만 압축해 이어 가기: 분석이 길어져 더 깊게 파야 한다면, 처음부터 리뷰를 다시 붙이지 말고 결론만 압축한다. 새 대화 맨 앞에 "앞 분석 요약 — 불만 TOP3: (…), 칭찬 TOP3: (…), 확정 개선안: (…). 대상 상품: OOO(상품코드 1234). 이걸 전제로 이어가자"처럼 5줄로 깔고 시작한다. 이때 상품코드·정확한 수치 같은 구체값은 압축 메모에 직접 적어 둔다(압축하면 세부는 빠질 수 있으므로). 100줄 대화를 5줄로 줄여 새 책상에 다시 깐 것 — 이게 컨텍스트를 지키며 길게 이어 가는 방법이다.Carry forward only the compressed essentials: If the analysis runs long and needs to go deeper, don't re-paste the reviews from scratch — compress just the conclusions. At the top of a new conversation, lay down five lines: "Summary of prior analysis — Top 3 complaints: (...), Top 3 praises: (...), confirmed improvement: (...). Target product: OOO (code 1234). Continue on this basis." Write specifics like the product code and exact figures directly into the compressed note (since compression can drop details). You've cut a 100-line conversation down to 5 and re-laid it at a fresh desk — that's how you continue long while protecting context.

전체 대본Full transcript

1 · 핵심 메시지 — 시작하기 전에1 · The message — before everything

오늘 세션의 핵심 전제 하나부터 짚고 시작하겠습니다. Rule No.2 — "Don't save tokens. Protect context." 직역하면 '토큰을 아끼지 마라, 컨텍스트를 지켜라'인데요. 처음 들으면 반직관적으로 느껴지죠. 토큰을 아끼면 돈이 절약되는 거 아닌가? 라고 생각하실 수 있어요. 그런데 실측 데이터는 정반대를 가리킵니다.Let's start with the single most important premise of this session. Rule No.2 — Don't save tokens. Protect context. Your first instinct might be: saving tokens saves money, right? The real data points in the exact opposite direction.

화면에 두 개의 숫자가 있습니다. Sonnet 4.6 기준으로, 입력 토큰 100K를 절감하면 0.30달러 아낍니다. 출력 토큰 100K를 절감하면 1.50달러 — 같은 노력에 5배 효과입니다. 이 5배 비율은 현행 모든 모델에서 동일하게 적용됩니다. 그런데 여기서 반전이 있습니다. 제 실제 32일 데이터를 보면 출력이 입력보다 6.64배 더 많이 나왔어요. 가격은 5배인데 볼륨도 6배가 넘으니, 비용의 86.9%가 출력에서 나온 겁니다.Two numbers on screen. Based on Sonnet 4.6 pricing, saving 100K input tokens saves you $0.30. Saving 100K output tokens saves $1.50 — five times the impact for the same effort. This 5x ratio applies equally across all current models. But here's the twist: in my real 32-day data, output volume was 6.64x higher than input. Price 5x, volume 6x — so 86.9% of total cost comes from output alone.

그렇다면 '출력 다이어트'만 하면 될까요? 여기서 역설이 시작됩니다. 출력을 억지로 줄이려다 컨텍스트가 오염되면, 모델이 같은 작업을 두 번, 세 번 반복합니다. 재작업 한 번이 다이어트 열 번보다 비쌉니다. 그래서 Rule No.2의 실제 의미는 이겁니다 — 토큰 수를 줄이는 게 목표가 아니라, 컨텍스트를 깨끗하게 유지하는 게 목표다.So should you just put your model on an output diet? Here's where the paradox starts. Aggressively cutting output corrupts context, and the model ends up doing the same work two or three times. One redo costs more than ten rounds of dieting. So Rule No.2 really means this: the goal isn't fewer tokens — it's keeping context clean.

2 · 한 대화의 흐름 — 5단계2 · How a conversation flows — 5 stages

토큰이 어디서 얼마나 쓰이는지를 이해하려면, 하나의 요청이 처리되는 전체 흐름을 봐야 합니다. Claude Code에서 요청 하나가 처리되는 과정을 다섯 단계로 나눌 수 있어요. 세션 시작, 캐시와 입력, 도구 결과, 출력 생성, 그리고 다음 턴으로의 누적입니다. 각 단계마다 비용 구조가 다르고, 개입할 수 있는 레버도 다릅니다.To understand where tokens go and how much they cost, you need to see the full lifecycle of a single request. In Claude Code, one request passes through five distinct stages: session start, cache and input, tool results, output generation, and accumulation into the next turn. Each stage has a different cost structure and a different lever you can pull.

이 레퍼런스는 이 5단계를 하나씩 해부합니다. 세션 시작 비용이 왜 이미 12%냐, 캐시 히트율 98.7%가 어떻게 나왔냐, 도구 결과가 왜 사라지지 않고 누적되냐, 출력이 왜 86%를 차지하냐, 그리고 긴 세션이 왜 멍청해지냐 — 이 다섯 가지 질문에 순서대로 답합니다. 비용이 어디서 나오는지 알면, 어디를 눌러야 할지가 보입니다.This reference dissects each of those five stages one by one. Why does session start already consume 12%? How did cache hit rate reach 98.7%? Why do tool results accumulate instead of disappearing? Why does output account for 86%? And why do long sessions get dumb? Five questions, answered in order. Once you know where cost comes from, you know exactly where to push.

3 · 대화를 여는 순간3 · The moment a chat opens

충격적인 사실 하나부터 시작합니다. 화면에 10K라는 숫자가 있죠. 이게 도구 스키마만으로 선점되는 토큰 수입니다. 여러분이 첫 메시지를 입력하기도 전에요. Bash 도구 하나에 245토큰, 텍스트 에디터에 700토큰, 나머지 도구 열일곱 개에 6,800토큰 — 도구 정의만 합쳐도 약 8천 토큰입니다. 여기에 CLAUDE.md와 tool_choice 오버헤드를 더하면 세션 시작 비용이 총 24K 정도가 됩니다.Here's the shocking fact to start with. That number on screen — 10K — is the tokens consumed by tool schemas alone. Before you type a single message. Bash tool: 245 tokens. Text editor: 700 tokens. The other 17 tools: around 6,800 tokens. Tool definitions alone push past 8K. Add CLAUDE.md and tool_choice overhead and you're looking at roughly 24K tokens just to open a session.

24K를 컨텍스트 200K 모델(예: Haiku 4.5) 기준으로 나누면 약 12%입니다. 화면을 켜기도 전에 이미 컨텍스트의 12%를 쓴다는 얘기예요. 그렇다면 어떻게 해야 할까요? 도구를 줄이는 게 아닙니다. Claude Code가 제공하는 도구들은 사실 바꾸기 어렵고, 줄여도 효과가 제한적이에요. 핵심은 여기에 추가로 뭘 얹느냐입니다. CLAUDE.md는 매 세션 항상 로드됩니다. 반면 스킬은 ToolSearch를 통해 필요할 때만 로드됩니다 — 이걸 점진적 공개 원칙이라고 합니다. 항상 필요한 것만 세션에 고정시키고, 나머지는 on-demand로.24K divided by a 200K context model (e.g. Haiku 4.5) is about 12%. You've already spent 12% of your context window before writing a single line. What do you do about it? You don't remove tools — those are largely fixed, and trimming them has limited impact. The key is what you add on top. CLAUDE.md loads every single session. Skills, on the other hand, load on-demand via ToolSearch — that's the progressive disclosure principle. Pin only what's always needed, and load the rest when you actually need it.

4 · Claude의 단기 기억4 · Claude's short-term memory

이 슬라이드의 숫자를 먼저 말씀드릴게요. 32일간 $758.63 절감. 이게 제 실제 사용 데이터입니다. ccusage로 한 달 사용량을 집계했더니, 캐싱이 없었으면 $2,174가 나왔을 상황에서 실제는 $1,415로 마무리됐어요. 35% 절감이고, 캐시 히트율은 98.7%였습니다. 이게 왜 가능했냐면, 표에서 보시다시피 캐시 히트 시 요금이 표준 입력의 0.1배, 즉 90%가 절감됩니다.Let me give you the headline number first. $758.63 saved over 32 days. This is my actual usage data. When I ran ccusage on a month of Claude Code usage, the number without caching would have been $2,174. My actual bill came to $1,415. That's 35% savings, with a 98.7% cache hit rate. How? The table tells you: a cache hit is billed at 0.1x standard input — 90% off.

그런데 이 히트율이 기본값이 아니라는 게 중요합니다. 캐시는 깨지기 쉽습니다. 모델을 바꾸거나, MCP를 연결하거나 해제하거나, /compact를 실행하거나, Claude Code를 업그레이드하면 캐시가 무효화됩니다. 무효화되면 다시 캐시 쓰기 1.25배 요금이 발생해요. 제 데이터에서 Opus 4.7에서 4.8로 전환했을 때 1.6% 히트율 손실이 생겼는데, 그게 이 한 달에서 가장 큰 캐시 무효화 이벤트였습니다. 세션 중간에 설정을 바꾸지 않는 것, 그게 $758 절감의 실질적 비결입니다.But note that this hit rate is not a default — it's earned. Cache is fragile. Switching models, toggling MCP connections, running /compact, upgrading Claude Code — all of these invalidate the cache, which means you pay cache write at 1.25x again. In my data, switching from Opus 4.7 to 4.8 caused a 1.6% hit rate loss — the single largest invalidation event of the month. Not changing settings mid-session is the practical secret behind that $758 figure.

5 · 책상 위 서류는 사라지지 않는다5 · Documents on the desk don't disappear

Bash를 실행하거나 파일을 읽으면, 그 결과가 대화 히스토리에 영구적으로 쌓입니다. 사라지지 않아요. 화면 왼쪽의 335,279 토큰이 도구 결과 정리 없이 누적된 베이스라인이고, 오른쪽 173,137 토큰이 tool result clearing 베타 기능을 켰을 때의 결과입니다. 48.4% 감소입니다. 서버 사이드에서 도구 호출과 결과 블록을 제거하는데, 클라이언트 히스토리는 유지됩니다.Every time you run Bash or read a file, the result stays in the conversation history permanently — it doesn't disappear. The 335,279 tokens on the left is the baseline with no clearing. The 173,137 on the right is with the tool result clearing beta feature enabled — a 48.4% reduction. It removes tool call and result blocks server-side, while keeping the client-side history intact.

실천 관점에서는 세 가지를 기억하세요. 첫째, 로그를 통째로 출력하지 마세요. cat으로 큰 파일을 통째 읽는 대신 head, grep, tail로 필터링하세요. 둘째, 한 번에 5,000토큰 이상 나오는 출력이라면 다른 도구로 분할하세요. 셋째, 20턴 이상 같은 세션을 끌고 가지 마세요. 이유는 간단합니다 — 도구 결과 누적 공식은 '결과 토큰 × 남은 턴 수'입니다. 5,000 토큰짜리 도구 결과를 20턴 남겨두면 10만 토큰이 어텐션에 쌓이는 겁니다.Three practical rules to keep in mind. First, never dump full logs — use head, grep, and tail to filter before reading. Second, if a single output exceeds 5,000 tokens, split it across multiple tool calls. Third, don't drag a session past 20 turns. The reason is simple: the accumulation formula is result tokens times remaining turns. A 5,000-token tool result with 20 turns left is 100,000 tokens sitting in your attention window.

6 · Claude 답변이 비용의 핵심6 · Claude's answer is where the cost lives

화면의 6.64x — 이게 제 32일 실측 출력 대 입력 볼륨 비율입니다. 가격은 5배인데 토큰 수는 6.64배가 더 나왔다는 뜻이에요. 이 두 가지를 곱하면, 출력 줄이기의 실질 효과가 입력 줄이기의 약 13배가 됩니다. 86%가 출력에서 나오니까, 입력을 아무리 줄여봤자 전체의 14%밖에 건드리지 못합니다. '입력 다이어트'에 에너지를 쓰는 건 가성비가 나쁜 최적화입니다.That 6.64x on screen is my measured output-to-input volume ratio over 32 days. The price ratio is 5x, but the token count ratio is 6.64x. Multiply those together and output reduction is roughly 13 times more effective than input reduction. Since 86% of cost comes from output, cutting input only touches the remaining 14%. Spending energy on input diet is low-leverage optimization.

표에서 특히 주목할 행이 있습니다. Edit 대 Write 비교입니다. 500줄 파일에서 3줄을 수정할 때, Edit을 쓰면 변경 부분과 주변 컨텍스트만 출력하니 약 200토큰이 나옵니다. Write를 쓰면 파일 전체가 재출력되니 약 3,000토큰 — 15배 차이가 납니다. 그리고 출력에는 캐시가 적용되지 않습니다. 입력은 히트율 98.7%로 0.1배까지 줄일 수 있지만, 출력 최적화의 하한선은 0입니다 — 아예 생성하지 않는 것. 이게 출력 다이어트의 근본 논리입니다.One row in that table deserves special attention: Edit versus Write. Modifying 3 lines in a 500-line file — Edit outputs only the changed section plus surrounding context, roughly 200 tokens. Write re-outputs the entire file, about 3,000 tokens — a 15x difference. And here's the kicker: output has no cache. Input can hit 0.1x with a 98.7% cache hit rate. But the floor for output optimization is zero — simply not generating it. That's the fundamental logic behind output diet.

7 · 책상이 꽉 차면 생기는 일7 · What happens when the desk fills up

긴 세션을 돌리다 보면 모델이 점점 엉뚱한 답을 내놓는 경험을 해보셨을 겁니다. 이게 컨텍스트 로트입니다. 메커니즘을 쉽게 설명하면 이렇습니다. Transformer의 어텐션 점수 합은 항상 1로 고정되어 있어요. 토큰이 10배 늘면, 같은 파이를 10배 더 많이 나눠가지게 됩니다 — 토큰당 평균 어텐션이 1/10이 되는 겁니다. 책상 위 잡동사니가 많을수록 중요한 문서를 찾는 시간이 늘고 실수가 증가하는 것과 같은 원리예요.If you've run a long session and noticed the model giving increasingly off-base answers, that's context rot. Here's a simple way to understand the mechanism. In a Transformer, attention scores always sum to exactly 1. Ten times more tokens means the same pie gets divided ten times more ways — average attention per token drops to one-tenth. It's exactly like a cluttered desk: the more junk on the surface, the longer it takes to find the important document, and the higher the error rate.

두 번째 메커니즘은 'Lost-in-the-middle'입니다. Chroma가 18개 모델을 실증한 결과, 컨텍스트 처음과 끝에 놓인 정보는 잘 회상하지만 중간에 놓인 정보는 회상 정확도가 30% 이상 하락했습니다. 세션 중반에 내렸던 중요한 결정이나 지시가 무시되는 이유가 바로 이겁니다. 100턴이 넘는 마라톤 세션에서는 어텐션 효율이 50%까지 떨어질 수 있습니다. 비용은 그대로인데 품질이 절반이면 — 사실상 2배로 비싸게 치르는 겁니다.The second mechanism is called lost-in-the-middle. Chroma tested 18 frontier models and found that information at the start and end of context gets recalled well, but recall accuracy for information in the middle drops by 30% or more. That's why important decisions or instructions from mid-session tend to get ignored. In a marathon session past 100 turns, attention efficiency can drop to 50%. Same cost, half the quality — effectively paying twice as much.

8 · 어떤 Claude를 쓰느냐8 · Which Claude to use

제 한 달 데이터를 보면 Opus 4.7과 4.8을 합쳐 비용의 74.8%를 차지합니다. Sonnet 4.6은 16.2%, Haiku 4.5는 9%입니다. 이 라우팅 분포 자체가 청구서 구조를 거의 결정합니다. Opus는 Haiku보다 입력·출력 모두 약 5배 비쌉니다. 단, Opus 출력을 Haiku 입력과 교차 비교하면 최대 25배 차이가 날 수 있습니다. 잘못된 모델 선택 하나가 같은 작업을 크게 비싸게 만들 수 있다는 뜻이에요.In my one-month data, Opus 4.7 and 4.8 combined account for 74.8% of costs. Sonnet 4.6 is 16.2%, Haiku 4.5 is 9%. This routing distribution essentially determines the shape of your bill. Opus is approximately 5x more expensive than Haiku on both input and output. If you cross-compare Opus output against Haiku input, the difference can reach up to 25x — but on a like-for-like basis, it's about 5x. A wrong model choice can make the same task significantly more expensive.

그렇다면 언제 Opus를 쓰고, 언제 Sonnet을 쓰냐. 표를 보시면 정리가 되어 있는데, 핵심만 말씀드리면 이렇습니다. 입력이 1M 이상이거나 복잡한 추론이 필요한 심층 분석이면 Opus 4.8입니다. 코드 생성이나 리팩터링 같은 일반적인 개발 작업은 Sonnet 4.6으로 충분합니다 — Opus 대비 40%가 저렴합니다. 분류, 포맷 변환, 단순 필터링처럼 정형화된 출력이 나오는 작업은 Haiku 4.5 — 80%가 저렴해요. 제 데이터의 Opus 74.8% 점유를 50%로만 낮춰도 총 비용의 43%가 절감됩니다.When to use Opus, when to use Sonnet? The table lays it out, but here's the core. If input exceeds 1M tokens or you need deep complex reasoning, that's Opus 4.8. For code generation, refactoring, and general development tasks, Sonnet 4.6 is sufficient — 40% cheaper than Opus. For classification, format conversion, and simple filtering with predictable outputs, Haiku 4.5 — 80% cheaper. In my data, simply routing Opus from 74.8% down to 50% would cut total cost by 43%.

9 · 책상 관리 3가지 명령어9 · 3 desk-management commands

세션 레벨에서 가장 중요한 세 가지 명령어, /clear, /compact, /rewind입니다. 이 세 개는 비슷해 보이지만 용도가 완전히 다릅니다. /clear는 가장 단순합니다 — 새 작업을 시작할 때 씁니다. 컨텍스트를 완전히 리셋하고 캐시도 무효화합니다. 정보 손실은 전부입니다만, 새 작업에서는 그게 오히려 장점이에요.Three commands at the session level: /clear, /compact, and /rewind. They look similar but serve completely different purposes. /clear is the simplest — use it when starting a new task. Full context reset, cache invalidated. Yes, you lose everything, but for a new task that's actually a feature, not a bug.

/compact는 큰 그림으로 전환할 때 씁니다. 대화 히스토리를 요약본으로 압축하는데, 손실 압축입니다 — 고수준 사실은 살아남지만 디테일은 사라집니다. Anthropic Cookbook 실측에 따르면 high-level 사실은 100% 보존되지만, 세부 수치 같은 구체적인 정보는 0%입니다. /rewind는 가장 외과적입니다. 특정 결정이 잘못됐다고 명확히 알 때, 그 지점 이후를 드롭합니다. edit 도구로 수정한 파일은 스냅샷 복원도 됩니다. 마라톤 세션을 피하는 원칙은 간단합니다 — 작업 하나에 세션 하나, 끝나면 /clear./compact is for big-picture transitions. It replaces conversation history with a summary — lossy compression. Anthropic Cookbook measurements show high-level facts survive at 100%, but specific details like exact numbers come through at 0%. /rewind is the most surgical. When you know exactly which decision went wrong, you drop everything after that point. Files modified with the edit tool also get their snapshot restored. The principle to avoid marathon sessions is simple: one task, one session, then /clear.

10 · 별도 일꾼에게 맡기는 방법10 · Delegating to a separate worker

서브에이전트를 '컨텍스트 방화벽'이라고 부르는 데는 이유가 있습니다. 화면을 보시면, 같은 작업을 직접 실행할 때 메인 컨텍스트에 약 3,000 토큰이 쌓입니다. Agent에게 위임하면 메인 컨텍스트에는 요약 결과 약 250 토큰만 돌아옵니다. 92% 격리입니다. 서브에이전트가 탐색하는 동안 발생하는 모든 도구 결과, 중간 출력, 오류 메시지들이 서브에이전트 내부에서 소화되고 메인 컨텍스트를 오염시키지 않습니다.There's a reason I call subagents a context firewall. Look at the numbers: running a task directly loads around 3,000 tokens into the main context. Delegating to an agent returns only a summary of about 250 tokens to main. That's 92% isolation. All the tool results, intermediate outputs, and error messages generated during the subagent's exploration are digested inside the subagent — they never touch the main context.

그런데 오해하지 마세요. 서브에이전트는 총 토큰을 절감하는 도구가 아닙니다. 위임 자체에 오버헤드가 5,000에서 10,000 토큰 발생하거든요. 손익분기는 '결과 크기 곱하기 남은 턴 수'가 10,000을 넘을 때입니다. 그 이하라면 직접 실행이 더 효율적입니다. 그리고 시스템 레벨에서 한 가지 더 — 훅 자동화입니다. lint, 통계 추출, 포맷 변환처럼 결정론적인 작업을 PostToolUse 훅으로 처리하면 모델 호출이 없습니다. 토큰이 0이에요. 사람이 매번 지시할 필요가 없는 작업은 훅으로 빼는 게 가장 근본적인 최적화입니다.But don't misunderstand. Subagents don't reduce total tokens — delegation itself carries 5,000 to 10,000 tokens of overhead. The break-even is when result size times remaining turns exceeds 10,000. Below that, direct execution is more efficient. One more thing at the system level: hook automation. Deterministic tasks like linting, statistics extraction, and format conversion can run as PostToolUse hooks with zero model calls. Zero tokens. Offloading tasks that don't need human instruction to hooks is the most fundamental optimization of all.

11 · 자주 하는 실수 5가지11 · 5 common mistakes

같은 실수가 반복되는 이유는 이름이 없어서입니다. 이름을 붙이면 피할 수 있습니다. 가장 흔한 다섯 가지입니다. 첫 번째, 무조건 Opus. 아무 생각 없이 Opus를 고르는 습관입니다. 제 데이터에서 74.8%를 차지합니다. Sonnet으로 라우팅 가능한 작업의 절반만 옮겨도 43% 절감입니다. 두 번째, 마라톤 세션. 작업이 하나 끝나도 세션을 계속 이어가는 패턴입니다. 100턴이 넘으면 어텐션 효율이 50%로 떨어지고, 후반 작업은 사실상 2배 비싸집니다.Mistakes repeat because they don't have names. Name them, and you can avoid them. The five most common ones. First: always Opus. The habit of reaching for Opus without thinking. It makes up 74.8% in my data. Route just half of the delegatable tasks to Sonnet and you cut 43%. Second: marathon sessions. Keeping the same session alive across multiple tasks. Past 100 turns, attention efficiency drops to 50%, and later tasks effectively cost twice as much.

세 번째, 로그 통째 출력. cat으로 큰 파일을 읽거나 로그를 통째 뽑는 패턴입니다. 5,000 토큰짜리 결과가 20턴 동안 쌓이면 10만 토큰이 어텐션 부담이 됩니다. head, grep, tail로 먼저 필터링하세요. 네 번째, Write 남용. 기존 파일을 수정할 때 Edit 대신 Write를 쓰는 습관입니다. 500줄 파일 3줄 수정에 Write를 쓰면 3,000토큰, Edit을 쓰면 200토큰 — 15배 낭비입니다. 다섯 번째, 거대 CLAUDE.md. 5,000토큰짜리 CLAUDE.md는 매 턴마다 어텐션의 1/5을 먹습니다. 규칙 1,000개는 규칙 0개와 다름없어요. CLAUDE.md는 1,000토큰 이하로 유지하고, 나머지는 스킬로 빼세요.Third: full log dumps. Reading large files with cat or pulling full logs. A 5,000-token result accumulating over 20 turns adds 100,000 tokens of attention burden. Filter with head, grep, and tail first. Fourth: overusing Write. Using Write instead of Edit when modifying existing files. Three lines changed in a 500-line file — Write costs 3,000 tokens, Edit costs 200. A 15x waste. Fifth: bloated CLAUDE.md. A 5,000-token CLAUDE.md eats one-fifth of attention on every single turn. A thousand rules is effectively zero rules. Keep CLAUDE.md under 1,000 tokens and move the rest to skills.

12 · 오늘의 실천 치트시트12 · Today's practice cheatsheet

마지막 슬라이드입니다. 화면 위 세 개의 숫자 — $758, 13x, -92% — 이게 이 레퍼런스 전체를 관통하는 핵심 지표입니다. $758 절감은 캐시 히트율 98.7%를 유지한 한 달 결과입니다. 이게 제 실제 한 달 청구서입니다. 13x는 출력 다이어트가 입력 다이어트보다 13배 효과적이라는 수치고, -92%는 서브에이전트 위임으로 메인 컨텍스트를 줄이는 효과입니다.Last slide. Three numbers at the top — $758, 13x, -92% — these are the three core metrics that run through the entire reference. $758 in savings is the result of maintaining 98.7% cache hit rate for one month. That is my actual bill. 13x is how much more effective output diet is compared to input diet. And -92% is how much you shrink the main context by delegating to a subagent.

아래 표는 치트시트입니다. 상황이 주어지면 30초 안에 레버를 고를 수 있어야 합니다. 파일 일부 수정이면 Edit, 컨텍스트 과부하면 tool result clearing, 세션 이어가려면 /compact, 새 작업이면 /clear, 큰 탐색을 격리하려면 서브에이전트, 단순 분류나 포맷 작업이면 Haiku 4.5. 이 여섯 가지가 가장 빈번하게 마주치는 상황들입니다.The table below is your cheatsheet. Given a situation, you should be able to pick the right lever in under 30 seconds. Partial file edit — Edit. Context overload — tool result clearing. Continue session — /compact. New task — /clear. Isolate large exploration — subagent. Simple classification or format conversion — Haiku 4.5. Those six cover the situations you'll hit most often.

이 레퍼런스의 출발점이 그 $758 데이터였습니다. 숫자가 먼저 있었고, 메커니즘이 따라왔습니다. Rule No.2는 슬로건이 아니라 실측에서 귀납된 원칙입니다. 토큰을 아끼려다 컨텍스트를 잃으면 더 비싸진다 — 이게 5단계 파이프라인, 3개 레이어, 5개 안티패턴 전체를 꿰뚫는 단 하나의 문장입니다. 감사합니다.That $758 data point is where this reference began. The number came first, and the mechanism followed. Rule No.2 is not a slogan — it's a principle induced from real measurements. Saving tokens at the cost of context ends up costing more. That single sentence runs through all five pipeline stages, all three optimization layers, and all five anti-patterns. Thank you.

  • 같은 주제가 너무 길어지면 — /compact (핵심만 남기고 압축)Same topic runs too long → /compact (compress to essentials)
  • 잘못된 방향으로 갔다면 — /rewind (그 시점으로 되돌리기)Went the wrong way → /rewind (roll back to that point)
  • 책상이 약 95% 차면 Claude가 자동으로 /compact를 실행합니다 — 이 때 세부 내용은 사라집니다. 중요한 수치나 결정은 반드시 파일로 따로 저장해 두세요. 심화: 어텐션 메커니즘 상세 — 16강에서. When the desk reaches ~95% capacity, Claude auto-runs /compact — at that point details are lost. Always save important numbers and decisions to a separate file. Deep dive: attention mechanism details in Session 16.

    챕터 06 — 어떤 Claude를 쓰느냐 Chapter 06 — Which Claude you use matters

    모델 선택이 비용의 75%를 결정한다. Model choice decides 75% of the bill.

    Opus 4.x
    74.8% 실측
    Sonnet 4.6
    16.2%
    Haiku 4.5
    9.0%
    업무 유형Task type 적합한 모델Best fit 비용 절감Cost saving
    복잡한 판단 · 방대한 자료 분석Complex judgment · massive data analysisOpus 4.8
    기획서 작성 · 이메일 초안 · 일반 업무Writing plans · drafting emails · general tasksSonnet 4.640% 저렴40% cheaper
    분류 · 요약 · 정형화된 데이터 처리Classification · summaries · structured dataHaiku 4.580% 저렴80% cheaper

    실천 — Opus는 정말 복잡한 판단이 필요할 때만. 일상 업무는 Sonnet 4.6으로 충분합니다. 심화: Opus 74.8% → 50%로 낮추면 전체 비용의 43% 절감 가능 [실측: 실험E]. 모델 선택 상세 기준 — 16강에서. Practice — reserve Opus for genuinely complex judgment. Sonnet 4.6 is sufficient for everyday tasks. Deep dive: routing Opus from 74.8% → 50% saves 43% total cost [real data: Exp-E]. Detailed model selection criteria in Session 16.

    챕터 07 — 책상 관리 3가지 명령어 Chapter 07 — 3 commands for desk management

    /clear · /compact · /rewind — 언제 무엇을. /clear · /compact · /rewind — when to use what.

    /clear
    언제: 일이 바뀔 때 — 새 주제, 새 프로젝트When: task changes — new topic, new project
    책상을 완전히 비운다. 정보 손실 없이 완전 초기화.Completely clears the desk. Full reset with no loss.
    /compact
    언제: 같은 일이 너무 길어질 때When: same task runs too long
    서류를 압축 정리. 핵심만 남기고 세부사항은 소실 — 중요 수치는 미리 저장.Compresses the pile. Keeps essentials, loses details — save key numbers first.
    /rewind
    언제: 잘못된 방향으로 갔을 때When: went the wrong direction
    그 시점 이후 대화를 지운다. 파일 수정도 되돌아온다.Erases conversation after that point. File edits also revert.

    마라톤 세션은 비용은 그대로인데 품질이 절반 — 사실상 2배 비싸게 치르는 것. Marathon sessions cost the same but deliver half the quality — effectively paying twice as much.

    원칙 — 한 대화에는 한 가지 일. 일이 끝나면 /clear. 같은 주제가 길어지면 /compact. 잘못 갔으면 /rewind. 대화 중 설정을 바꾸면 기억이 초기화됩니다 — 설정 변경은 반드시 새 대화에서. Principle — one task per chat. Done → /clear. Same topic too long → /compact. Wrong direction → /rewind. Changing settings mid-chat resets memory — always change settings in a new chat.

    챕터 08 — 별도 일꾼에게 맡기는 방법 Chapter 08 — Delegating to a separate worker

    큰 일은 별도 일꾼(서브에이전트)에게 — 내 책상은 깨끗하게. Big tasks go to a separate worker (subagent) — my desk stays clean.

    내가 직접 처리Handle it yourself
    책상 가득 차Desk fills up
    분석 결과 전체가 내 대화에 쌓여 다른 작업에 집중하기 어려워짐Full results pile into my chat, making it hard to focus on other tasks
    별도 일꾼에게 위임Delegate to a worker
    내 책상 -92%My desk -92%
    일꾼이 작업하는 동안 내 책상에는 최종 요약만 — 책상이 거의 비어있다While the worker handles it, only a summary lands on my desk — stays nearly clear
    35%

    기억 잘 유지하기Keep memory intact

    대화 중 설정을 바꾸지 않으면 기억이 유지돼 비용이 줄어든다. 저자 실측 32일 $758 절감.Not changing settings mid-chat keeps memory and reduces cost. Author measured $758 saved over 32 days.

    92%

    별도 일꾼 활용Use a worker agent

    방대한 자료 분석·탐색을 별도 일꾼에게 통째로 맡기면 내 책상이 깨끗하게 유지된다. 자세히는 13강에서.Delegating large searches and analysis to a worker keeps my desk clean. Details in Session 13.

    0

    반복 작업 자동화Automate repetitive tasks

    매번 지시하지 않아도 되는 정형 작업은 훅(자동 실행)으로 — Claude 호출 없이 처리. 자세히는 12강에서.Routine tasks that don't need instructions every time run as hooks — no Claude call needed. Details in Session 12.

    서브에이전트(별도 일꾼)는 Claude Code가 큰 작업을 독립적으로 처리하도록 별도 대화를 여는 기능입니다 — 상세 설계는 13강에서 자세히 다룹니다. A subagent (separate worker) is Claude Code opening an independent chat to handle a large task — detailed design is covered in Session 13.

    챕터 09 — 자주 하는 실수 5가지 Chapter 09 — 5 common mistakes

    이름을 알면 다음엔 피할 수 있다. Name it and you won't repeat it.

    01

    마라톤 대화Marathon chat

    여러 날 · 여러 주제를 한 대화에서 계속 이어감 → 책상이 꽉 차 답변 품질 저하.Multiple days and topics in one chat → desk fills up, answer quality drops.

    → 일이 바뀌면 /clear로 새 책상→ /clear for a fresh desk when task changes
    02

    여러 주제 혼합Mixing topics

    재고 정리, 매장 이슈, 마케팅 기획을 한 대화에서 → 이전 맥락이 새 요청에 간섭.Inventory, store issues, and marketing in one chat → old context interferes with new requests.

    → 한 대화에는 한 가지 일→ One task per chat
    03

    대화 중 모델 바꾸기Switching model mid-chat

    대화 중간에 Opus→Sonnet 전환 → 기억이 초기화돼 처음부터 다시 비용 발생.Switching Opus→Sonnet mid-chat → memory resets, costs restart from scratch.

    → 모델 바꾸려면 /clear 후 새 대화→ /clear first, then start new chat to change model
    04

    "전체 다시 써줘""Rewrite the whole thing"

    고칠 부분이 3줄인데 문서 전체 재작성 요청 → 15배 불필요한 답변 생성.Asking for a full rewrite when only 3 lines need fixing → 15x unnecessary output.

    → "이 부분만 고쳐줘"로 요청→ Ask "fix just this part" instead
    05

    작업 지침서 과부하Overloaded instructions

    CLAUDE.md에 규칙을 수백 개 넣으면 매 대화마다 책상 공간을 잠식 → 정작 중요한 지시가 묻힘.Hundreds of rules in CLAUDE.md occupy desk space every chat → important instructions get buried.

    → 핵심 규칙만 짧게 (1,000단어 이내)→ Keep only essentials, short (under 1,000 words)

    심화 — [실측: 실험E] 5개 안티패턴 제거 시 월 26~72% 절감 가능. Write vs Edit 상세(15배 차이), CLAUDE.md 토큰 비용 상세 — 16강에서. Deep dive — [real data: Exp-E] removing 5 anti-patterns saves 26–72% per month. Write vs Edit detail (15x gap), CLAUDE.md token cost detail — Session 16.

    챕터 10 — 오늘의 실천 치트시트 Chapter 10 — Today's practice cheatsheet

    상황 → 행동, 내일부터 바로. Situation → action, starting tomorrow.

    ① /clear
    일이 바뀔 때마다
    새 책상으로
    Every time the task
    changes, fresh desk
    가장 중요한 습관Most important habit
    ② /compact
    같은 주제가
    너무 길어질 때
    When the same topic
    runs too long
    책상 압축 정리Compress the desk
    ③ 짧게
    "이 부분만 고쳐줘"
    전체 재작성 금지
    "Fix just this part"
    no full rewrites
    답변 길이 = 비용Answer length = cost
    상황Situation 행동Action 이유Why
    일이 바뀔 때Task changes/clear책상 완전 초기화Full desk reset
    대화가 너무 길어질 때Chat gets too long/compact핵심만 남기고 압축Keep essentials, compress
    잘못된 방향으로 갔을 때Went the wrong way/rewind그 시점으로 되돌리기Roll back to that point
    일상 업무 초안·정리Everyday drafts & summariesSonnet 4.6Sonnet 4.6Opus보다 40% 저렴, 충분한 품질40% cheaper than Opus, sufficient quality
    문서 일부만 수정Editing part of a doc"이 부분만 고쳐줘""Fix just this part"전체 재작성 대비 최대 15배 효율Up to 15x more efficient than full rewrite
    대화 중 모델·설정 변경Changing model or settings mid-chat/clear 후 변경/clear then change기억 초기화 방지Prevents memory reset

    Rule No.2 — 컨텍스트를 지켜라. 책상이 깨끗해야 Claude가 제대로 일한다. · Claude Code 완전 정복 2강 · 2026-06 Rule No.2 — Protect your context. A clean desk means Claude works properly. · Claude Code Mastery Session 2 · 2026-06