Мой блог
Как оптимизировать расход токенов в Claude и почему стоит вернуться к окну 200К
оптимизация токенов в Claude — Вопрос рационального распределения ресурсов при работе с современными языковыми моделями встает особенно остро, когда стандартных лимитов перестает хватать даже на несколько дней активной разработки. В материале рассматривается практический опыт оптимизации токенов в Claude, борьба с избыточным кэшированием, а также возвращение к контекстному окну в 200К ради стабильности и экономии.
Стремительный рост потребностей в токенах привел к ситуации, когда даже дорогие тарифные планы исчерпываются значительно раньше запланированного срока. Основная причина перерасхода кроется не столько в сложности поставленных задач, сколько в повседневных привычках организации рабочего процесса и работе с большими контекстами.
Организация пакетной обработки задач и проблемы с кэшем
Практика отправки пакетов из нескольких задач на ночную обработку верхнеуровневым агентом кажется удобной, однако она сталкивается с архитектурными ограничениями кэширования. Верхнеуровневый агент удерживает кэш в течение часа, но долгие независимые сессии субагентов часто приводят к протуханию данных.
Кэш субагента активен лишь пять минут между вызовами инструментов. Если выполнение комплексного теста затягивается, весь контекст агента считывается повторно. Более того, чтение кэша дорожает по мере увеличения объема сессии: обращение на 800К токенов обходится значительно дороже, чем на 100К. Единственным эффективным решением в данном случае становится отказ от долгоживущих сессий в пользу дробления крупных задач.
Разделение ролей и тяжелые циклы разработки
Использование специализированной команды субагентов с разделением обязанностей на аналитику, кодинг, ревью и тестирование позволяет находить ошибки на ранних этапах. Каждому агенту задается краткий и четкий промпт, настраивающий модель на конкретный вектор работы.
Для минимизации затрат рекомендуется распределять нагрузку между разными моделями семейства: для простых кросс-репозиторных правок и рутины применять Sonnet, для масштабного анализа и код-ревью задействовать Opus или Fable. Кроме того, стоит избегать пробуждения спящих субагентов ради незначительных правок, чтобы не оплачивать повторное чтение их контекста.
Запрет на избыточное комментирование кода
Субагенты склонны создавать объемные комментарии, особенно в инфраструктурном коде вроде Ansible или при разработке приложений. Подобные описания часто занимают треть кодовой базы и больше, поскольку модель использует их для внутреннего проговаривания логики предстоящих действий.
Если вовремя не актуализировать комментарии, они превращаются в устаревшую базу знаний, которую последующие агенты начинают воспринимать как приоритетную истину. Радикальным и действенным подходом становится полный запрет на генерацию комментариев по умолчанию: каждый комментарий должен доказывать свое право на существование, что позволяет поддерживать максимальную чистоту кода.
Ведение и оптимизация документации в CLAUDE.md
Файлы конфигурации вроде CLAUDE.md необходимы для быстрого погружения новых сессий в контекст проекта, но со временем они имеют свойство разрастаться до сотен килобайт. Иерархическая структура репозиториев с глобальными и локальными файлами правил помогает решать кросс-репозиторные задачи, однако порождает новую проблему.
Поскольку субагент на старте автоматически считывает и корневой, и локальный файлы конфигурации, объем стартового контекста может исчисляться сотнями тысяч токенов. Решением становится жесткая чистка таких документов: в них следует оставлять исключительно ту информацию, отсутствие которой гарантированно приведет к сбою в проекте.
Регулярное сжатие контекста как инструмент контроля
Ручное управление операцией compact позволяет эффективно избавляться от накопившегося информационного мусора, такого как вывод команд, логи общения с субагентами и подробные вызовы инструментов. Своевременное сжатие в ключевые моменты перехода от проектирования к реализации сохраняет только ключевые данные, аналогично работе оперативной памяти.
В конечном счете слепое увеличение контекстных окон до миллиона токенов и выше ведет не только к резкому росту затрат, но и к постепенной деградации качества генерации ответов. Возврат к разумному использованию ресурсов и контролируемому окну в 200К помогает удерживать под контролем и бюджет, и точность работы агентов.
