Да придет ИИ: ChatGPT, Claude, Gemini, Grok

Как сэкономить токены в Claude Code ультимейт гайд

Основанный на моем более чем 1.5 годовом опыте работы с КК.

Поймите, основная статья расходов - это не генерация новых токенов - это чтение из кэша. Уже писал об этом тут.

Как это вообще происходит? В агентом цикле КК снова и снова перечитывает всякий мусор:
• Он шарахается по интернету и от туда все пылесосит в контекст
• Он шарахается по жесткому диску и все собирает.
• Его просто циклит на ровном месте.

Писал об этом тут.

Чтобы бороться с циклами я даже сделал отдельный проект, но он пока не готов.

КК имеет 2 типа кеша:
• стандартный 1 часовой - просто не отходите от КК больше чем на час, а если ушли на долго запускайте компактацию.
• 5 минутный для агентов. Просто не запускайте агентов самостоятельно. КК делает это сам автоматически когда нужно.

Подробнее про кэш.

Как сэкономить еще больше:

1. Начните с команды /context она показывает, чем вообще засрано. Так я обнаружил, что мой самописный MCP содержит в себе 134 туда с очень жирными описаниями, и вот это просто пассивно отжирало лимиты. все эти скиллы и мсп вы просто платите пассивный налог на каждый. писал об этом тут.
2. Команда /insights там КК выдает вам тонну советов, в том числе и по сокращению потреблению лимитов.
3. /skill-doctor - проверяет не жрут ли скиллы, скорее всего не жрут, но проверить стоит.
4. Не устанавливайте всякие сомнительные инструменты для "экономии токенов" из интернета. Как я обжогся с Headroom больше экспериментов не хочу (хотя в блог писать надо). А например в скилле superpowers (не знаю как сейчас, но раньше так было) дефолтная разработка была субагентами, а там кэш 5 минут, и лимиты это выжирало мгновенно. Не знаете как это работает — лучше не запускайте, вот что я для себя усек.

Для что я могу посоветовать для экономии токенов:

скил понитейл — как это работает? он сокращает написание кода. А значит меньше кода будет записано в контекст, и меньше контекста попадет в циклы. сам автор называет скромные цифры 20-30% экономии, но меня вдохновило сообщение в чате, там человек писал что перепробовал и стоунмэн, и сирена и кодеграф, реально экономит только понитейл.

команда /simplify - она проверяет код на задублирование, меньше кода - меньше мусора в кэше.

И заметьте ни слова про CLAUDE.md (писал тут) и /memory (еще не писал) т.к. это уже должно быть очевидно.

Если после прочтения этой статьи вам не удалось сэкономить токены — требуйте от меня возврата денег за чтение!

При помощи проекта hhru сделал исследование труда рынка AI специалистов в РФ

Как было сделано исследование:

1. Спаршено 1770 резюме. Т.е. цифры в этих данных не сколько работодатели готовы платить, а сколько люди хотят получать.
2. Эти резюме распаршены по полям и записаны в базу данных.
3. Дальше Клод Код сделал запрос к этой БД ну че-то там нанализировал (я уже дважды не перепроверял)

Изначально запрос был "AI" по такому запросу находится 12000 резюме, но вот же нюанс:

.ai == Adobe Illustrator и в поиске находится 10 тыс. вакансий всяких ретушеров, пришлось добавить кое-какие фильтры, чтобы их убрать.

Кое-какие не очевидные выводы, которым я был удивлен:

Медиана зп у креативщиков и технарей примрено одинаковая. А вот по среднему картина обратная — технари 165k против креативщиков 144k. Расхождение объясняется тем, что среднее у технарей вытянуто вверх редкими очень дорогими резюме (p90 = 330k), тогда как креативный сегмент плотнее сгруппирован. Медиана описывает типичного человека, среднее — нет. Верить здесь следует медиане.

Удалёнка — норма: 1206 из 1559 (77%) готовы работать удалённо, из них 423 — только удалённо. Исключительно офис — 319 (20%).

Запросы описывают почти непересекающиеся группы: 1318 резюме из 1559 найдены ровно одним запросом, двумя — 198, тремя и более — 43. Терминология рынка фрагментирована: «Data Scientist», «ML-инженер» и «нейросети» приводят к разным людям, а не к одним и тем же под разными названиями. Самые массовые запросы — Data Scientist (752), AI (608), Machine Learning (149).

Итог
Три вывода, которые данные поддерживают устойчиво:
1. Опыт не окупается, навыки окупаются. Медиана по стажу падает после 6 лет, зато владение LLM-стеком даёт +50%, и английский C1 — тоже +50%.
2. LLM-компетенции остаются дефицитом. 11.7% рынка при заметной премии — окно ещё не закрылось.
3. «AI-специалист» — не одна профессия. Технический и креативный сегменты почти не пересекаются ни по навыкам, ни по запросам, при сопоставимых медианах.

Понравилось исследование, поставьте звезду проекту на ГитХабе:

https://github.com/axisrow/hhru