Практикум VDAI · Инфраструктура & Экономия квот

Лимиты AI улетают за 2 дня? 5 шагов чистки паразитного контекста

Разбор видео, практический протокол устранения неэффективности в Codex, Claude Code и Cursor, 6 промптов для диагностики, исправления и проверки расхода.

⏱ 15 минут чтения 🎥 Видео с таймкодами 🛠 5 готовых блоков в 1 клик 📉 Проверка расхода до/после 📋 Скачиваемый регламент

Найти причину с помощью AI →

⚡ Главное за 30 секунд: в чём истинная причина перерасхода

Сначала измерение Разделите input, output и cache по доступным журналам. Их доли различаются; кэш может уже входить в input.
MCP-монстры Проверьте реально загруженные описания инструментов. Наличие сервера само по себе не доказывает расход в каждом запросе.
Слепой поиск Команды без точного файла вынуждают агента читать 20 файлов подряд. Решение — точечный `rg` и граф.
Своевременный Handoff Не вести бесконечный чат: фиксировать результат в артефакт и продолжать в чистой ветке.
Практика · AI проверяет свою работу

Попросите AI найти перерасход и исправить причину

Выберите симптом, скопируйте один промпт и вставьте в текущую задачу вашего AI-клиента.

Лимит быстро кончается? Агент перечитывает всё? Ошибка возвращается? Начните с диагностики. В обычном чате AI может разобрать только предоставленные данные; в агенте с доступом к проекту — ещё файлы и доступные журналы. Сам себя «перепрограммировать» или увидеть скрытые счётчики он не может.

1. Найти причинуПромпты 1–3: чтение и вывод без изменений.
2. Исправить один участокПромпт 4: заполните область разрешённых изменений.
3. Проверить результатПромпт 5: одинаковая задача, расход и качество.

Скачать все промпты и правила для агента (.md)

1. Куда ушли токены?

Когда: Лимит расходуется быстрее, чем появляется результат.
На выходе: Таблица главных источников расхода с доказательствами, а не догадками.

Проведи только диагностику расхода в текущей задаче. Ничего не меняй и не устанавливай.
1. Назови доступные источники: журнал этой сессии, usage-счётчики, настройки клиента, реально загруженные правила, инструменты и файлы. Не сканируй весь диск. Не открывай секреты и чужие переписки.
2. Зафиксируй период, модель, effort и границы данных. Отдели входные, выходные, кэшированные токены, число вызовов, время и процент квоты. Уточни семантику полей: cache может быть частью input; не складывай их дважды. Cumulative — не размер живого контекста и не счёт к оплате.
3. Найди до 5 главных источников расхода: повторный контекст, большие выводы инструментов, лишние чтения, повторные тесты, генерация/рассуждение — только где есть данные.
4. Для каждого: источник/шаг → измерение → причина → одна правка → риск → повторная проверка. Ранжируй по измеренному расходу. Если доступен только размер текста, подпиши «косвенная оценка», а не токены.
5. Если нет доступа к токенам по шагам, прямо скажи: «Точный вклад по шагам недоступен». Не придумывай проценты или сумму. Покажи, какой один обезличенный экспорт/скрин нужен; общий скрин квоты не доказывает расход отдельных действий.
В конце предложи одну наиболее полезную обратимую правку, пока без применения.
2. Проверь правила, скиллы и инструменты

Когда: Даже простой запрос запускает много чтений и процедур.
На выходе: Короткий список дублей с точным местом и минимальной правкой.

Проверь настройки AI-клиента в границах текущего проекта, без изменения файлов.
Покажи, какие инструкции и описания инструментов тебе действительно доступны. Отдели полный текст скилла от его названия/описания: установленный скилл не обязательно загружен целиком. Скрытые системные инструкции не реконструируй и не выдавай догадку за чтение.
Найди дубли, противоречия, чрезмерно широкие требования «прочитай всё», повторяемые неизменные проверки и неиспользуемые в этой задаче инструменты. У каждого пункта дай источник и влияние, если оно измерено.
Предложи минимальный diff: что оставить в основных правилах, что вынести в процедуру по запросу, что заменить скриптом. Не отключай автоматически MCP и не заменяй утверждённый канал неразрешённым CLI/API.
Сохрани язык, полномочия, приватность, критерии готовности и обязательные проверки. Размер текста — лишь ориентир; эффективность проверяется на одинаковой задаче. Если настройки недоступны, попроси только нужный фрагмент без секретов.
3. Почему AI ходит по кругу?

Когда: Один поиск или тест повторяется, а результат не меняется.
На выходе: Найден повтор, его причина и один шаг, способный изменить решение.

Разбери последние доступные действия текущей задачи. Ничего пока не исправляй.
Для каждого повторного чтения, запроса или теста укажи: что уже известно, изменился ли источник, какую новую информацию дал повтор. Не объявляй обязательную проверку лишней без основания.
Назови точную точку зацикливания: недостающий вход, неверное предположение, ошибка инструмента, слишком широкая цель или потерянный критерий готовности.
Выбери один следующий шаг, который способен изменить решение. Если нужен мой ответ или внешнее разрешение — сформулируй один конкретный вопрос и останови зависимые повторы.
Верни: факт → гипотеза → проверка → ожидаемый сигнал → условие остановки. Не создавай новую задачу, агента или автоматизацию ради обхода тупика.
4. Исправь одну подтверждённую причину

Когда: Причина найдена, нужен ограниченный ремонт.
На выходе: Одна обратимая локальная правка с повторной проверкой.

Примени только одну правку из уже рассмотренной диагностики.
Причина: [вставьте подтверждённую причину].
Разрешённые файлы/настройки: [укажите точную область].
Ожидаемый результат: [что должно улучшиться].
Если эти поля не заполнены или причина не доказана — сначала уточни, не меняй ничего.
Перед правкой сохрани исходное состояние для отката. Покажи кратко, что изменишь и почему. Выполни обратимую локальную правку, затем релевантную проверку исходного симптома и затронутых зависимостей. Не отключай проверки для получения зелёного результата.
Не меняй глобальные правила, модель, доступы, тариф, production и внешние сервисы; не удаляй исходники, не отправляй сообщения. Эти действия требуют отдельного разрешения.
При ухудшении верни именно свою правку, сохрани чужие изменения и объясни результат. Не запускай бесконечное «самоисправление»; после неудачной проверки верни факт и следующий вопрос.
Отчёт: изменено → проверено → до/после → что не измерено → откат/следующий шаг.
5. Докажи, что стало лучше

Когда: AI говорит «оптимизировано», но цифры и качество не сравнивались.
На выходе: Сопоставимые результаты до/после или честное «данных недостаточно».

Сравни базовый и исправленный маршрут одной задачи. Используй уже доступные журналы; новые платные прогоны не запускай без разрешения.
Проверь сопоставимость: одинаковые входы, исходное состояние, критерий качества, модель и effort; отметь разницу в кэше, инструментах и сбросах лимита. Если условий нет — не делай причинный вывод об экономии.
Покажи таблицу: метрика | до | после | разница | источник | ограничение. Раздели токены, время, вызовы, исправления, квоту и деньги. Процент уменьшения считай только для одной и той же измеренной величины при ненулевой базе.
Проверь, что исходная задача решена с тем же качеством. Меньше текста или тестов само по себе не успех. API-стоимость вычисляй только по известному биллингу и актуальным ставкам, не из процента подписочной квоты.
Вывод: подтверждено на этом примере / стало хуже / данных недостаточно. Отдельно назови, что один опыт не доказывает. Не обещай универсальный процент экономии.
6. Продолжи без повторного чтения всего

Когда: Самостоятельный этап закончен; следующий тонет в старой переписке.
На выходе: Короткая передача контекста, достаточная для следующего действия.

Подготовь краткую передачу контекста в существующем файле задачи, если он есть; иначе предложи один файл, не создавая параллельный реестр.
Включи: исходную цель на моём языке; что уже сделано и проверено; точные файлы/ссылки; принятые решения; ограничения и разрешения; оставшийся вопрос; одно следующее действие и критерий готовности.
Не копируй сырые логи, секреты, всю переписку и библиотеку скиллов. Оставь только сведения, без которых следующий шаг станет неверным.
Проверь, что ссылки существуют и нет незавершённого действия, которое потеряется. Не заявляй, что новый чат уже создан или контекст автоматически очищен. Новый чат открывает пользователь либо доступный инструмент с соответствующим разрешением. Связанный короткий шаг можно закончить в текущем чате.

Постоянные правила для AI-клиента

Добавьте в пользовательские инструкции клиента или локальный файл правил проекта, сохранив действующие ограничения. В обычном чате можно вставить перед задачей.

Правила экономной и проверяемой работы AI
1. До действий назови конкретный результат и критерий готовности. Начинай с точного источника; расширяй поиск только по найденной причине.
2. Читай подробные процедуры по необходимости. Не загружай всю библиотеку скиллов «на всякий случай».
3. Объединяй независимые чтения. Не повторяй неизменный запрос без новой причины. Длинный вывод сохраняй локально, в ответе показывай нужный фрагмент и источник.
4. Отделяй измерение, оценку и гипотезу. Не выдумывай токены, проценты, цену, доступ к журналам и факт выполнения.
5. Диагностика разрешает чтение, но не исправление. Изменяй только явно разрешённую область, обратимо и с проверкой исходного симптома.
6. Сохраняй приватность, ограничения доступа и обязательные проверки. Экономия не разрешает обход правил, удаление данных или внешние действия.
7. Проверяй одну правку на сопоставимой задаче. Меньше расхода считается улучшением только при принятом качестве.
8. При тупике укажи недостающий вход или одно действие, которое изменит решение. Не расходуй лимит на одинаковые повторы.
9. Для передачи между этапами оставляй краткий проверенный контекст и следующий шаг. Не начинай всё заново без причины.
10. Эти правила дополняют действующие инструкции клиента, а не отменяют их. Не меняй их самостоятельно ради упрощения своей работы.
Пример: огромный вывод поискаВход: лог поиска на 300 000 символов. Действие: промпт 1 находит этот шаг, промпт 4 ограничивает область поиска. Проверка: тот же нужный файл найден, вывод меньше. Размер вывода не выдаём за точный расход токенов.
Пример: ошибка повторяетсяВход: три одинаковых запуска упавшего теста. Действие: промпт 3 проверяет, менялись ли код и данные. Выход: одна подтверждённая причина, локальная правка и успешная проверка исходного сценария.

Готово, когда: есть источник причины, одна разрешённая правка, повторная проверка и честный вывод об эффекте. «Я оптимизировал» без доказательства — ещё не результат.

Основа: модульные навыки OpenAI и описание расхода Codex. Наличие журналов и полей зависит от клиента. Промпты — рабочие шаблоны, не гарантия экономии.

Как читать результат до и после

Учебный пример, не замер VDAI: на одинаковой задаче было 100 000 входных токенов, стало 70 000 — уменьшение этой метрики на 30%. Это не означает 30% экономии денег или подписочной квоты. Если качество ухудшилось, оптимизация не принята.

Проверьте отдельно модель, effort, кэш, длительность, число исправлений и готовый результат. Если нет сопоставимых счётчиков — результат «данных недостаточно».

Интерактивный арсенал

5 инструментов внедрения — готовые команды и шаблоны

Выберите блок, изучите принцип и используйте подходящий пример с учётом версии инструмента и разрешений проекта.

1. Аудит фактических расходов через CodeBurn CLI

CodeBurn сканирует локальные логи сессий и раскладывает токены по классам: Input, Output, Cache Write и Cache Read. Вы сразу увидите, какая модель сжигает бюджет.

# Установка глобально:
npm install -g codeburn

# Общая сводка расхода за текущий месяц:
codeburn overview -p month

# Глубокий аудит утечек и рекомендации:
codeburn optimize

# Детальный JSON-отчёт с разбивкой по кэшу:
codeburn audit -p month --format json

Главный вывод аудита: Большая доля Cache Read сама по себе не доказывает перерасход. Проверьте полезность повторного контекста, семантику счётчиков и результат задачи.

2. Ревизия MCP-серверов: что действительно загружается

Клиенты по-разному предоставляют модели инструменты: полностью или по запросу. Сначала проверьте фактически загруженные описания и дубли; не делайте вывод о расходе только по числу установленных серверов.

# Проверьте список подключённых MCP:
# 1. Найдите дубли и предложите отключение; не применяйте без разрешения.
# 2. Сравните разрешённые способы доступа, например:
- Вместо GitHub MCP  -> gh pr list / gh issue view
- Вместо Gmail MCP   -> консольный gm search
- Вместо FS-индекса  -> ripgrep (rg -n "символ")

Результат: Эффект зависит от клиента и задачи. Меняйте подключения только с разрешения и сравнивайте одинаковый сценарий; обязательный канал доступа сохраняется.

3. Graphify: граф кодовой базы вместо чтения 20 файлов

Вместо того чтобы просить агента «прочитай весь проект и найди ошибку», постройте граф связей. Граф может помочь сузить поиск; учитывайте стоимость его построения и обновления.

# В корне вашего проекта:
graphify .

# Быстрый запрос по связям без чтения файлов:
graphify query "Где обрабатывается авторизация и платежи?"

# Кратчайший путь зависимостей между модулями:
graphify path "auth_controller" "user_model"

Для единичных поисков конкретной строчки всегда используйте rg — это быстрее и дешевле.

4. Шаблон правил гигиены контекста для AGENTS.md / CLAUDE.md

Вставьте этот компактный блок в самое начало правил вашего проекта, чтобы агент сам соблюдал дисциплину экономии.

### Token & Context Hygiene Rules (VDAI Canon)
1. Exact Source First: Always target specific files and lines. Never scan whole directories blindly.
2. Targeted Search: Use `rg` with literal strings. Do not re-read unchanged files.
3. Tool Output Limit: Truncate large outputs. If terminal output exceeds 50 lines, pipe to head/tail or log file.
4. Milestone Handoff: When a task phase is completed or context is polluted, summarize in Walkthrough and ask for a clean branch.
5. Deterministic Actions: Use shell scripts for math, hashing, and JSON validation rather than LLM reasoning calls.

5. Умный Handoff по реальному пределу задачи

Когда длина диалога растет, качество ответов деградирует, а стоимость каждого вопроса увеличивается в геометрической прогрессии. Фиксируйте прогресс правильно:

1. Создайте Walkthrough Попросите агента: «Сделай краткий walkthrough.md со всеми выполненными изменениями и ссылками на файлы».
2. Чистый старт Откройте новый чат со ссылкой: «Продолжаем задачу по артефакту walkthrough.md, следующий шаг — X».
Сравнение эффективности

Примеры изменений: эффект проверяем на своей задаче

Параметр Обычный режим (хаос) Режим оптимизации VDAI
Стартовый контекст − Большой объём постоянно загружаемых инструкций + Короткие правила и процедуры по необходимости
Поиск по коду − Слепое вычитывание 20+ файлов подряд + Точный `rg` по симптому или запрос к графу
Вывод терминала − Простыни логов на 300k символов в истории диалога + Сброс вывода в scratch-лог + 20 строк выжимки
Длина сессии − Бесконечный тред до потери нити и падения точности + Поэтапный Handoff при фиксации майлстоуна
Жизнь недельного лимита − Нет измерения расхода по задачам + Есть сопоставимый замер и проверка качества
Артефакт для вашей команды

Скачайте полный регламент для вашего репозитория

Готовый markdown-файл для добавления в правила проекта (AGENTS.md, CLAUDE.md или .cursorrules), чтобы AI-агенты соблюдали жесткую гигиену контекста.

Скачать регламент (.md) →