Как заставить Claude Code тратить на 90% меньше токенов
При разработке игры AI часто делает странную вещь. Ты просишь его разобраться в одном методе, а он начинает читать пять файлов вокруг него, потом ещё пару тестов, конфигурацию и документацию. Через несколько минут дорогая модель потратила тысячи токенов на работу, которая практически не требовала рассуждений.
Для игрового проекта ситуация знакомая. Есть огромный файл с настройками, десятки похожих тестов или повторяющиеся классы для разных игровых систем. Claude прекрасно справляется с такой работой, но использовать для неё самую мощную модель попросту расточительно.
Автор эксперимента решил разделить задачи между моделями через Portal от Spotify и AiKA Modes. Результат оказался впечатляющим: в тестах на Java монорепозитории средняя экономия на операциях чтения составила около 90% токенов.
Что происходит под капотом
Схема довольно простая. Claude Code остаётся главным агентом, который занимается сложными решениями. Рутинное чтение и генерация шаблонного кода отправляются более дешёвой модели.
Для этого используются два режима.
- bulk-reader читает большие файлы и возвращает Claude короткое структурированное резюме. Если в проекте есть файл на несколько сотен строк, Claude не обязан загружать его целиком в собственный контекст.
- code-writer занимается предсказуемым кодом. Например, тестами, конфигурациями или типовыми заготовками. Ему дают спецификацию и существующий файл в качестве образца, после чего результат можно сразу записать на диск.
Получается примерно как в игровой студии: ведущий разработчик принимает решения, а рутинную работу выполняет отдельный специалист.
Интересное начинается с хуков
Вручную каждый раз решать, какую модель использовать, быстро надоест. Поэтому автор сделал плагин shunt для Claude Code.
Он перехватывает вызовы инструментов.
Если Claude пытается прочитать большой файл, например больше 350 строк, hook блокирует операцию и предлагает использовать /bulk-reader. Маленькие и точечные чтения проходят напрямую.
Похожая проверка работает для команд cat, head, tail, less и more.
Порог можно изменить через SHUNT_MIN_LINES. Например, установить его на 500 строк.
Так получается автоматический фильтр: большие объёмы данных уходят дешёвой модели, а важные фрагменты остаются в контексте Claude.
Такой подход полезен геймдеву
Есть несколько очевидных сценариев:
- генерация однотипных тестов;
- создание конфигураций;
- анализ больших файлов;
- генерация типовых классов;
- подготовка документации;
- обработка повторяющихся структур.
Например, если в проекте уже есть EnemyTest.java, можно передать его как образец и попросить worker создать аналогичный тест для нового класса. Claude вообще не обязан видеть получившийся код.
С отладкой всё сложнее. Автор эксперимента специально обнаружил, что дешёвая модель пропустила тонкую проблему с потокобезопасностью. Claude нашёл её после получения нужного контекста.
Поэтому архитектурные решения, сложный debugging и критически важный код лучше оставлять сильной модели.
Обратная сторона
Экономия токенов не означает ускорение всего процесса.
Каждый вызов worker требует сетевого обращения через Portal. В тестах ответы занимали примерно 10–30 секунд. Для чтения огромного файла это терпимо. Для маленького класса ждать отдельный запрос бессмысленно.
Поэтому порог в 350 строк здесь имеет практический смысл. Ниже него выигрыш от делегирования может исчезнуть из-за дополнительной задержки.
Почему сейчас
Главная мысль эксперимента гораздо шире Claude Code.
AI агентам постепенно приходится работать как команде моделей. Сильная модель нужна там, где требуется анализ, принятие решений и сложное рассуждение. Более дешёвая справляется с массовым вводом и выводом данных.
Для разработки игры это означает вполне рабочую схему: одна модель думает над архитектурой и механиками, другая читает километровые конфиги и клепает однотипный код.
И чем больше становится кодовая база, тем заметнее разница в расходах.
При этом AiKA Modes позволяют менять worker модель, инструкции и подключённые MCP инструменты без переделки самого маршрутизатора. Сегодня для рутинной задачи используется Gemini Flash, завтра можно поставить другую подходящую модель.
Именно такой подход может оказаться гораздо важнее очередного скачка мощности одной конкретной нейросети. Вместо того чтобы заставлять самый дорогой AI делать вообще всё, разработчик начинает распределять работу между моделями по сложности задачи.
Присоединяйтесь к читателям, которые доверяют Contorra
Добавьте нас в предпочитаемые источники Google, чтобы наши гайды, обзоры и новости показывались в первую очередь при следующем поиске.
