Show HN: Una skill para Claude Code que limpia tu archivo de memoria, diff a diff
Un desarrollador comparte en Hacker News una herramienta que elimina el bloat acumulado en el archivo de memoria de Claude Code. El truco: nunca poda sola, siempre pide tu opinión diff a diff, porque si no confías en el modelo para no inflar la memoria, tampoco deberías confiarle limpiarla.
Por Hacker News · 25 de junio de 2026.
Un usuario publica en Hacker News una pequeña herramienta ('skill') para Claude Code que aborda un problema práctico y concreto: el archivo de memoria que Claude Code usa para mantener contexto entre sesiones tiende a llenarse de información redundante, anécdotas y 'basura' acumulada, hasta el punto de que, según el autor, deja de ayudar e incluso perjudica el rendimiento de las sesiones.
El problema que motiva la herramienta es sencillo: con el tiempo, el autor notó que Claude Code dejaba de recordar cosas que le había pedido explícitamente que recordara. Al revisar el archivo de memoria, lo encontró lleno de material inútil —incluidas anécdotas— que ocupaba espacio y contexto sin aportar valor.
El diseño de la solución es deliberadamente conservador. En lugar de dejar que el modelo decida qué eliminar de forma autónoma, la herramienta funciona como un proceso de entrevista interactiva: muestra al usuario cada posible cambio en forma de diff y le pide su opinión antes de aplicarlo. El autor argumenta que la razón por la que funciona es precisamente esa: si no confías en el modelo para no inflar la memoria en primer lugar, no tiene sentido confiarle la poda sin supervisión humana.
El autor indica que ha probado la herramienta principalmente en Claude Code, aunque espera que funcione también en entornos similares como Codex, OpenCode o Composer, dado que el mecanismo de archivo de memoria es análogo.
En general, el problema del 'context bloat' en archivos de memoria persistente (como CLAUDE.md en Claude Code) es una fricción conocida entre desarrolladores que usan asistentes de IA de forma intensiva. Los archivos de instrucciones y memoria tienden a crecer sin control a medida que el usuario añade nuevas preferencias, correcciones y contexto de proyecto, y la mayoría de los modelos no tienen mecanismos nativos de auto-limpieza con supervisión granular.
El post tiene 1 punto y 0 comentarios en el momento de la publicación en el feed, lo que indica que es una contribución muy reciente y de alcance todavía reducido. No hay enlace directo al repositorio ni al código en los metadatos disponibles.