Eu recuperei 80% da cota do Claude Code com 3 ajustes no contexto

Demos completas de cada situação: com o /cost mostrando antes e depois de cada comando, e a comparação do CLAUDE.md enxuto vs inchado em números reais:

Durante semanas eu achei que o problema era eu.

Abria uma sessão, mandava três perguntas sobre um arquivo que o Claude já conhecia: e o /cost já mostrava 40 mil tokens consumidos. Sessão nova. Projeto do dia a dia. Nenhum arquivo grande aberto.

Cortei coisas. Mensagens mais curtas. Sessões menores. Não adiantou.

Então comecei a investigar o número. O /cost não fechava com o que eu esperava baseado no meu plano.

O que eu não sabia: o Claude Code não estava esgotando por causa do meu uso. Estava esgotando por causa do que ele faz sozinho, antes de você digitar qualquer coisa.

O sistema de rate limit do Claude Code tem duas janelas simultâneas: 5 horas e 7 dias. As duas contam ao mesmo tempo. Você pode travar porque a janela semanal esgotou, e o Claude Code não avisa qual das duas te bloqueou.

Os números por plano são referência, não garantia: Pro tem cerca de 45 mensagens por janela de 5 horas, Max tem cerca de 225. Mas o que esgota a cota não é a mensagem em si: é o peso dela em tokens.

Cada mensagem carrega o histórico inteiro. Você digita uma linha, o Claude processa tudo desde o início. E Opus custa cerca de 3x mais tokens que Sonnet: o que significa que suas 45 mensagens viram 15 na prática se você usar Opus para tudo.

Passei uma semana investigando por que ficou pior de repente. Encontrei três motivos: e nenhum foi anunciado com destaque.

Motivo 1: A Anthropic encurtou o cache

Em abril de 2026, devs começaram a reportar que o TTL do cache caiu de 1 hora para 5 minutos.

Antes: você saía pra uma reunião de 30 minutos e voltava: o contexto ainda estava salvo, você pagava pouco pela retomada. Agora: qualquer pausa maior que 5 minutos e o Claude recomeça do zero. Cada retomada custa como se fosse a primeira mensagem da sessão.

Isso não está na documentação oficial. Foi identificado pela comunidade de devs em abril. Mas o impacto no custo real de sessões com pausa é imediato.

Motivo 2: Os limites encolhem em horário de pico

A Anthropic confirmou: quando a demanda sobe, as cotas de sessão são reduzidas automaticamente. Aquelas 45 mensagens do papel podem ser menos dependendo do horário que você está usando. Você não recebe aviso: simplesmente acaba mais cedo.

Isso você não controla. Mas o terceiro motivo: esse você pode corrigir agora.

Motivo 3: Comportamentos do Claude Code que inflam o contexto

Dois comportamentos inflam o contexto sem você fazer nada:

O primeiro: quando uma tarefa é interrompida por um erro: como atingir o rate limit no meio de uma execução: o Claude Code não descarta a resposta incompleta. Ele carrega o erro junto e tenta continuar a partir daí. Você paga por lixo no meio dos seus tokens.

O segundo: instruções detalhadas no CLAUDE.md são carregadas no contexto do início ao fim da sessão: mesmo quando você está trabalhando em algo completamente diferente. A própria Anthropic recomenda mover essas instruções para skills, porque skills só carregam quando você as chama. A maioria das pessoas nem sabe disso e coloca tudo no CLAUDE.md.

Três situações que acontecem toda sessão, com o que fazer em cada uma:

Situação 1: Terminei uma tarefa, a próxima é outra coisa

O histórico da conversa anterior não precisa ir junto. O /clear limpa o contexto sem fechar a sessão. Use antes de mudar de assunto: você começa a próxima tarefa sem carregar o peso da anterior.

Situação 2: Sessão longa, quero continuar mas o contexto está pesado

O /compact resume o histórico inteiro e substitui o contexto pelo resumo. Diferente do /clear, você mantém o que importa: estado atual, decisões tomadas, arquivos relevantes. O ruído de troca de mensagens fica de fora.

Importante: use o /compact antes do contexto inflar demais. Depois de inflado, ele comprime o histórico, mas o custo da próxima mensagem já foi feito no carregamento. O momento certo é quando o /cost indicar crescimento relevante: não quando a sessão já está pesada demais.

Situação 3: O Claude errou e eu ia ajustar o prompt

Esse é o caso onde mais gente desperdiça tokens sem perceber. A maioria reescreve o prompt e manda de novo: pagando duas vezes pelo mesmo trabalho.

A resposta errada some. Você corrige e manda o prompt ajustado sem carregar o custo da resposta incorreta. O /rewind restaura o estado anterior da conversa.

O CLAUDE.md é carregado no contexto toda vez que você começa uma sessão, do início ao fim. Cada linha desnecessária é token gasto em toda mensagem: não uma vez, toda mensagem.

A diferença em números reais: um CLAUDE.md com 448 linhas vs 33 linhas representa −17.6k tokens por mensagem e −792k tokens por sessão de trabalho.

A regra que eu sigo: menos de 300 linhas. O que fica deve ser o que o Claude genuinamente não sabe:

Para partes específicas: schema do banco, regras de uma área: separe em arquivos e linke no CLAUDE.md. O Claude só carrega quando precisar, não em toda mensagem.

Semana passada, debug num módulo de autenticação com contexto já alto: sessão que eu abri de manhã e voltei depois do almoço (mais de 5 minutos de pausa: cache zerado, custo de retomada como primeira mensagem).

O fluxo completo:

Total: mesma sessão que antes eu reiniciaria duas vezes e perderia o contexto entre elas.

Os ajustes acima resolvem o que está na sua mão. Mas tem uma parte que não resolve com configuração:

Os limites nos horários de pico e o cache mais curto são decisões de infraestrutura da Anthropic. Configuração não resolve.

O que dá pra fazer: trabalhar em blocos menores. Ao invés de uma sessão longa que vai acumulando contexto, divida em sessões focadas com o /clear entre elas. Você usa o mesmo número de mensagens, mas cada uma pesa menos.

Menos de 300 linhas, só o que o Claude genuinamente não sabe: convenções de projeto, regras de negócio, restrições de banco. Pronto pra você adaptar:

https://github.com/adrianoviana/claude-code-demos/blob/main/video-02-tokens-somem/CLAUDE.md

O vídeo completo tem as demos com o /cost mostrando antes e depois de cada comando e a comparação do CLAUDE.md enxuto vs inchado em números reais. Se ainda não assistiu, está no link acima.

Se curtiu o conteúdo, deixa um like e se inscreve no canal, ajuda o algoritmo a mostrar isso pra mais devs que estão perdendo cota sem entender por quê.

Para quem quer ir além: o programa de membros do canal financia as horas de análise que viram demo. É o que viabiliza investigações como essa ir até o código fonte, testar em sessões reais, medir antes e depois. O link está aqui: https://www.youtube.com/@adriano_viana/membership

Adriano Viana
System Architect | AI-Native Content Creator