Knowledge Hub
Claude Codeの1Mコンテキストは「大きな机」ではなく「仕事の進め方」を変える

2026-07-04T03:36:21.088Z

Claude Codeの1Mコンテキストは「大きな机」ではなく「仕事の進め方」を変える

Claude Codeの1Mコンテキストは、AIに大量の情報を渡せるだけの機能ではない。大事なのは、長い作業を整理し、忘れさせ、分担させる運用である。

Claude Code生成AIAIエージェント開発生産性コンテキスト管理

Claude Codeの公式ブログ画像
Claude Codeの公式ブログ画像

ひとことで言うと

結論: 1Mコンテキストは「たくさん読めるAI」ではなく、「長い仕事を任せるための作法」を求める機能です。

入力元はXの投稿です。 ただし、Xページの本文全量は確認できませんでした。 確認できた中心情報は、Anthropicの公式ブログです。 公式ブログは、Claude Codeで「セッション管理」と「1Mコンテキスト」をどう使うかを説明しています。 出典: https://claude.com/blog/using-claude-code-session-management-and-1m-context

ここでいうコンテキストとは、AIが一度に見られる作業メモのことです。 1Mは100万トークンという意味です。 トークンは、文章をAIが読むために細かく分けた単位です。 日本語では文字数と完全には一致しません。 ざっくり言えば、かなり大きな資料の束を一度に渡せます。

でも、本当に大事なのは量ではありません。 人間の会議でも、資料が多すぎると話が散らかります。 AIも同じです。 長い作業では「何を残し、何を忘れ、何を別担当に渡すか」が成果を分けます。

そもそもどういうこと？

結論: Claude Codeは、AIを「チャット相手」から「作業担当者」に近づける道具です。

Claude Codeは、Anthropicが出している開発者向けのAIツールです。 ターミナル（黒い画面で命令を打つ道具）から使います。 コードを読ませたり、修正させたり、テストを走らせたりできます。 公式ページでは、開発作業を支援するエージェント型のコーディングツールとして説明されています。 出典: https://docs.anthropic.com/en/docs/claude-code/overview

エージェントとは、単に答えるだけでなく、手順を考えて作業するAIのことです。 たとえば「このバグを直して」と頼むと、関連ファイルを探します。 原因を推測します。 修正します。 テストも走らせます。

このとき問題になるのが、作業の長さです。 最初はうまく進んでも、会話や作業記録が長くなると、AIの判断が鈍ることがあります。 Anthropicの公式ブログは、これを「context rot」と呼んでいます。 意味は、文脈が古くなり、作業の質が落ちることです。 出典: https://claude.com/blog/using-claude-code-session-management-and-1m-context

暮らしでたとえると、机の上に書類を積みすぎた状態です。 机は大きいほど便利です。 でも、古いメモ、途中の案、不要な資料が混ざると探しにくくなります。 1Mコンテキストは大きな机です。 しかし、整理しないと大きな散らかり方をします。

flowchart LR
  A[大きなコンテキスト] --> B[多くの資料を一度に見られる]
  B --> C[長い作業を続けやすい]
  C --> D{整理しているか}
  D -->|はい| E[判断が安定する]
  D -->|いいえ| F[古い情報が混ざり品質が落ちる]

くわしく見てみよう

結論: 長いAI作業では「分岐」「圧縮」「記憶」「分担」の4つが重要です。

Anthropic公式ブログは、長いClaude Code作業をうまく進める方法をいくつか示しています。 要点は、AIに全部を抱え込ませないことです。 人間の仕事と同じで、途中で整理し、必要なら担当を分けます。

1. 分岐する

結論: 迷ったら、1本の会話で無理に進めず、作業を分けます。

開発では、A案とB案のどちらがよいか迷うことがあります。 そのまま一つの会話で試行錯誤すると、失敗案の情報も残ります。 AIはそれを見続けます。 すると、後の判断が濁ります。

公式ブログでは、長い作業で複数の方向を試す考え方が示されています。 これは、仕事で「本命案」と「検討案」の資料を分けるのに近いです。 出典: https://claude.com/blog/using-claude-code-session-management-and-1m-context

2. 圧縮する

結論: 途中の会話を短くまとめ直すと、AIの机が片づきます。

Claude Codeには、会話を要約して文脈を軽くする仕組みがあります。 公式ドキュメントには、/compactというスラッシュコマンドがあります。 スラッシュコマンドとは、チャット内で使う短い命令です。 出典: https://docs.anthropic.com/en/docs/claude-code/slash-commands

ただし、圧縮は万能ではありません。 要約から落ちた情報は、後で使いにくくなります。 だから、残すべき情報を人間が決めることが大切です。

3. 記憶する

結論: 毎回必要なルールは、会話ではなくメモに置くほうが安定します。

Claude Codeには、プロジェクト用の記憶ファイルがあります。 代表例がCLAUDE.mdです。 ここにプロジェクトの方針やコマンドを書けます。 公式ドキュメントは、メモリ（長く使う指示や背景情報）の使い方を説明しています。 出典: https://docs.anthropic.com/en/docs/claude-code/memory

これは、職場で「毎回チャットに貼る説明」をやめることに近いです。 代わりに、共有フォルダの手順書に置きます。 そのほうが、担当者が変わってもぶれません。

4. 分担する

結論: 大きな仕事は、AIの中でも担当を分けると整理しやすくなります。

Claude Codeにはサブエージェントという考え方があります。 サブエージェントとは、特定の仕事を任せる小さな専門担当のことです。 公式ドキュメントでは、サブエージェントが独自のコンテキストを持てると説明されています。 出典: https://docs.anthropic.com/en/docs/claude-code/sub-agents

たとえば、1人に全部頼むよりも、次のように分けます。

担当役割人間の仕事でのたとえ
本体のClaude全体の方針を決めるプロジェクト責任者
調査用サブエージェント関連ファイルを探すリサーチ担当
レビュー用サブエージェントバグや危険を探す品質管理担当
テスト用サブエージェント動作確認をする検証担当

この設計のよい点は、余計な情報が混ざりにくいことです。 悪い点は、指示があいまいだと担当間の受け渡しで漏れが出ることです。

くらべてみよう

結論: 1Mコンテキストは強力ですが、整理しない運用では効果が落ちます。

大きなコンテキストは便利です。 しかし、量だけでは仕事の質は決まりません。 次の表で、よくある使い方を比べます。

使い方よい点弱い点向いている場面
1つの会話で全部続ける流れが切れない古い情報が残りすぎる短い修正
途中で/compactする文脈を軽くできる要約漏れが起きる中くらいの作業
CLAUDE.mdに方針を書く毎回の説明が減る古いルールが残ると危険継続開発
サブエージェントに分ける専門作業が安定する受け渡し設計が必要大きな調査やレビュー
セッションを分ける失敗案を切り離せる引き継ぎを書く手間がある複数案の比較

もう少し直感的に見ると、こうです。

xychart-beta
  title "作業方法ごとの向き不向き（目安）"
  x-axis ["1会話で継続", "圧縮", "記憶ファイル", "サブエージェント", "分岐"]
  y-axis "長い作業への強さ" 0 --> 10
  bar [3, 6, 7, 8, 8]

このグラフは、公式の数値ではありません。 筆者の整理です。 ただし、公式ドキュメントが示す機能の性質とは合っています。

研究寄りの資料でも、Claude Codeの仕組みを分けて見る考え方が出ています。 ある公開分析は、Claude Codeを「メインエージェント」「ツール」「サブエージェント」「圧縮」などの層で説明しています。 これは公式資料ではありません。 そのため、事実としての断定には注意が必要です。 ただ、構造を理解する補助線としては役立ちます。 出典: https://arxiv.org/abs/2508.08322

関連動画も確認しました。 実際に検索で見つかった、Claude Codeの使い方を扱う動画です。

わたしの見方

結論: 本当の差は、AIの性能より「仕事の片づけ方」に出ます。

1Mコンテキストは、わかりやすく言えば巨大な作業机です。 でも、仕事ができる人は机が広いだけではありません。 資料を分けます。 古いメモを捨てます。 決定事項を残します。 担当を分けます。

AIにも同じことが必要です。 むしろ、AIのほうが整理の影響を強く受けます。 なぜなら、AIは与えられた文脈をかなり素直に読もうとするからです。 古い仮説や失敗した方針も、文脈に残っていれば影響します。

ここで大事なのは、AIを「すごく物知りな部下」と見ないことです。 「大量の資料を読めるが、散らかった会議室にも影響される担当者」と見るほうが近いです。

（推測）今後のAI開発では、モデルの賢さだけでなく、作業履歴の整理機能が競争点になります。 長い文脈を読めるだけでは不十分です。 どこを覚えるか。 どこを忘れるか。 どこを別担当に渡すか。 この「仕事の編集能力」が重要になります。

また、セキュリティ面にも注意が必要です。 長いコンテキストには、秘密情報や古い指示が入りやすくなります。 Anthropicのドキュメントにも、権限やツール利用の考え方があります。 出典: https://docs.anthropic.com/en/docs/claude-code/settings

便利になるほど、見えないリスクも増えます。 これは、会社の共有ドライブと同じです。 何でも入れられる場所ほど、ルールが必要です。

だから何をすればいい？

結論: AIに長い仕事を任せるなら、最初に「作業の整理ルール」を決めるべきです。

Claude Codeを使う人は、次の5つを決めるとよいです。

やること目的すぐできる例
作業のゴールを書く途中で迷わない「最終的にテストが通る状態にする」
決定事項を残す古い案に戻らない「A案は捨てた。理由は速度不足」
定期的に圧縮する文脈を軽くする大きな区切りで/compactする
ルールをCLAUDE.mdに置く毎回の説明を減らすテストコマンド、禁止事項を書く
大きな仕事は分担する混乱を減らす調査、修正、レビューを分ける

特におすすめは、作業の最後に「引き継ぎメモ」を作ることです。 人間のためでもあり、次のAIセッションのためでもあります。

引き継ぎメモには、次の4点だけで十分です。

項目書く内容
目的何を達成したいか
変更済み何を変えたか
未解決何が残っているか
注意点触ってはいけない場所や前提

AI時代の仕事術は、プロンプトのうまさだけではありません。 むしろ、情報を整理する力です。 Claude Codeの1Mコンテキストは、その力の差を大きく見せる道具です。

参考にしたページ

結論: 主要な根拠はAnthropic公式情報で確認しました。

関連する動画

Introducing Claude CodeAnthropic