هشت تنظیم برای کمکردن صورتحساب توکن Claude
هوش مصنوعیخلاصهٔ کاملتر
نویسنده اول سراغ این میره که اصلاً توکنها کجا خرج میشن. تصور رایج اینه که خروجیهای طولانی مقصرن، ولی به گفتهٔ او تو گردشکارهای ایجنتی سمت ورودی معمولاً گرانتره: سیستمپرامپت و دستورالعملها، فایل پروژهٔ CLAUDE.md، تعریف ابزار همهٔ سرورهای MCP فعال، نوبتهای قبلی گفتگو و محتوای فایلها و نتیجهٔ فراخوانی ابزارها.
دو تنظیم اول دربارهٔ انتخاب مدله. توصیهش اینه که مدل پیشفرض رو «قویترین مدلِ کافی» بذاری نه قویترین مدل موجود؛ خوندن فایل، ویرایش ساده و تولید کد قالبی به استدلال سنگین نیاز ندارن. قدم بعدی جداکردن مدل زیرایجنتهاست: ارکستراتور که نقشه میکشه و جمعبندی میکنه مدل قوی بخواد، ولی ورکرهایی که بازیابی و خلاصهسازی و قالببندی میکنن معمولاً نه. به برآورد مقاله همین یه تغییر میتونه هزینهٔ گردشکارهای چندمرحلهای رو ۴۰ تا ۶۰ درصد کم کنه.
سومی لاغرکردن CLAUDE.mdـه. این فایل هر تعامل وارد کانتکست میشه و به مرور پر میشه از استانداردهای کدنویسی، مستندات، یادداشتهای آنبوردینگ و تصمیمهای تاریخی که هیچوقت پاک نمیشن. معیار پیشنهادیش سختگیرانهست: یه فایل خوب نگهداشتهشده باید حدود ۲۰۰ تا ۵۰۰ توکن باشه؛ محدودیتهای فعال و ساختار پروژه بمونه و بقیه آرشیو یا فشرده بشه.
چهارمی هرس سرورهای MCP بلااستفادهست. هر سرور فعال تعریف ابزارهاش رو تو هر اجرا تزریق میکنه و به گفتهٔ نویسنده یه سرور با ده ابزار میتونه هزار تا دو هزار توکن به هر ریکوئست اضافه کنه، فقط بابت اسکیما. اگه هشتده سرور روشن داری و مرتب فقط از سهتاش استفاده میکنی، مدام هزینهٔ بقیه رو میدی. پیشنهادش نگهداشتن چند پروفایل MCP ـه: یکی سبک برای کد و یکی کاملتر برای کارهای پژوهشی.
پنجمی مستقیماً مصرف رو کم نمیکنه ولی جلوی فاجعه رو میگیره: سقف هزینه. یه حلقهٔ ایجنتی که به وضعیت غیرمنتظره بیفته ممکنه صدها فراخوانی API بزنه قبل از اینکه متوجه بشی. توصیهش سقف ماهانه حدود ۱۵۰ درصد مصرف مورد انتظار بهعلاوهٔ هشدارهای آستانهست.
ششمی کش پرامپته که نویسنده کماستفادهترین بهینهسازی موجود میدونتش: بخشهای ثابت پرامپت رو با بلاکهای cache_control علامت میزنی و روی cache hit، توکنهای کششده حدود ۹۰ درصد ارزونتر حساب میشن. کش پیشفرض حدود پنج دقیقه زنده میمونه، پس برای پردازش دستهای باید دورهای گرمش کنی. مثالش: یه گردشکار با سیستمپرامپت چهارهزار توکنی که روزی پنجاه بار فرستاده میشه، ۶۰ تا ۷۰ درصد صرفهجویی ورودی.
هفتمی سقفگذاشتن روی max_tokens ـه، اما با احتیاط. برای پاسخهای ساختاریافته، خلاصههای با طول ثابت و تسکهای دستهبندی مفیده؛ ولی سقف خیلی کم روی تسک پیچیده باعث بریدن وسط پاسخ میشه و عملاً کل فراخوانی رو هدر میده. پیشنهادش تعیین سقف جدا برای سه تا پنج نوع ریکوئست پرتکرار بهجای یه سقف فراگیره.
هشتمی فشردهسازی گفتگوئه. تو جلسههای طولانی، نوبت سیام ممکنه بیست هزار توکن تاریخچه رو فقط برای یه سؤال یهخطی حمل کنه. راهکار اینه که بخشهای قدیمی به یه خلاصهٔ فشرده تبدیل بشن و فقط پنج تا ده نوبت آخر کامل بمونه؛ قاعدهٔ سرانگشتیش شروع فشردهسازی وقتیه که تاریخچه از نصف پنجرهٔ کانتکست بگذره. مقاله چند اشتباه رایج رو هم فهرست میکنه: روشننگهداشتن سرورهای MCP «محض احتیاط»، تستکردن با مدل پرچمدار و بیتوجهی به داشبورد مصرف. طبق روال این بلاگ، پایانش هم معرفی محصول خود MindStudioـه.
نکات کلیدی:
- بیشتر هدررفت سمت ورودیه: کانتکست بادکرده، تعریف ابزارها و تکرار سیستمپرامپت
- سبککردن مدل زیرایجنتها پربازدهترین تغییر: برآورد ۴۰ تا ۶۰ درصد صرفهجویی
- CLAUDE.md رو حدود ۲۰۰ تا ۵۰۰ توکن نگه دار و سرورهای MCP بلااستفاده رو خاموش کن
- کش پرامپت روی cache hit حدود ۹۰ درصد ارزونتره و کمتر از حقش استفاده میشه
- فشردهسازی تاریخچه تو جلسههای طولانی، هزینهٔ هر نوبت رو ۵۰ تا ۸۰ درصد پایین میاره
- سقف هزینهٔ ماهانه و هشدار مصرف رو قبل از دردسر تنظیم کن، نه بعدش
