صرفهجویی در توکن با ایجنتهای برنامهنویسی: ابزارها و عادتهایی که واقعاً جواب میدهند

بیشتر کسانی که سهمیهشان تمام میشود، زیاد سؤال نمیپرسند؛ ایجنتشان در هر قدم بار زیادی با خودش میبرد. ایجنت برنامهنویسی در هر حرکت کل گفتگو را دوباره میفرستد: فایل دستورالعملها، تعریف همه ابزارها، هر فایلی که خوانده و هر خروجی دستوری که دیده. جلسهای که سه فایل بزرگ خوانده و دو بار تستها را اجرا کرده، ممکن است در هر قدم ۸۰ هزار توکن بفرستد، قبل از اینکه شما چیز تازهای بنویسید.
خبر خوب این است که بیشتر این بار اختیاری است. این مطلب نشان میدهد توکنها کجا میروند، دستورهای داخلی هر ایجنت چیست، شش ابزار متنباز محبوب هر کدام چه نوع هدررفتی را کم میکنند، و در آخر یک تنظیم اولیه که میتوانید همان را کپی کنید.
توکنها کجا خرج میشوند
هر درخواستی که ایجنت میفرستد تقریباً این است:
دستورالعملها + تعریف ابزارها + گفتگو تا اینجا + فایلها و خروجیهای تازه ← پاسخ (+ فکر کردن)- سربار ثابت: پرامپت سیستم، تعریف ابزارها، سرورهای MCP و فایلهای
CLAUDE.mdوAGENTS.md. بهراحتی ۲۰ تا ۳۵ هزار توکن قبل از اولین پیام شما، و در هر قدم دوباره فرستاده میشود. - خواندن فایل: ایجنتی که برای تغییر یک تابع، فایل ۲۰۰۰ خطی را باز میکند، هزینه همه ۲۰۰۰ خط را میدهد و در قدمهای بعدی هم دوباره میپردازد.
- خروجی دستورها: اجرای تست، لاگ build،
git log،npm install. معمولاً بزرگترین منبع هدررفت، چون تقریباً همهاش نویز است. - تاریخچه: نوبتهای قدیمی که دیگر مهم نیستند ولی چون جلسه باز است، میمانند.
- خروجی و فکر کردن: چیزی که مدل مینویسد، همراه با استدلالش.
هر کدام از ابزارهای پایین یکی از اینها را هدف میگیرد.
قدم ۱: اندازه بگیرید
کورکورانه بهینه نکنید. دو دقیقه اندازهگیری نشان میدهد مشکل شما کدام یکی از این پنج مورد است.
- داشبورد llmapi: در داشبورد ← مصرف مصرف اعتبار را به تفکیک مدل و روز میبینید و معلوم میشود کدام جلسهها گران بودهاند.
- داخل خود ایجنت:
| ایجنت | دیدن محتوای کانتکست | کوچک کردن | شروع تازه |
|---|---|---|---|
| Claude Code | /context | /compact | /clear |
| Codex | /status | /compact | /new |
| Gemini CLI | /stats | /compress | /clear |
| OpenCode | سربرگ جلسه | /compact | /new |
مفیدترینشان /context در Claude Code است: کانتکست را به پرامپت سیستم، ابزارها، سرورهای MCP، فایلهای حافظه و پیامها تفکیک میکند، پس سرور MCP پانزدههزار توکنی که فراموشش کرده بودید فوراً پیدا میشود.
- ccusage لاگهای محلی Claude Code، Codex و OpenCode را میخواند و گزارش روزانه، هفتگی، هر جلسه و هر پنجره ۵ ساعته میسازد. با llmapi هم کار میکند چون لاگهای کامپیوتر خودتان را میخواند، نه API را. ستون دلار را نادیده بگیرید (با قیمت رسمی حساب میکند)؛ تعداد توکنها مهم است.
npx ccusage@latest # مصرف روزانه
npx ccusage@latest session # کدام جلسهها سنگین بودند
npx ccusage@latest blocks # پنجرههای ۵ ساعته (Claude Code)قدم ۲: عادتهایی که هزینهای ندارند
اینها از هر ابزاری بیشتر صرفهجویی میکنند و همه ایجنتها پشتیبانیشان میکنند.
- هر کار، یک جلسه. باگ تمام شد؟ قبل از شروع فیچر بعدی
/clear(یا/new) بزنید. جلسه تازه در هر قدم کسری از جلسه طولانی هزینه دارد، حتی با کش. - فشردهسازی با هدف. وقتی یک کار طولانی میشود، بهجای پاک کردن، فشرده کنید و بگویید چه چیزی بماند:
/compact keep the file paths, the failing test name and the plan. - بهجای فشردهسازی دور یک اشتباه، به عقب برگردید. اگر یک قدم چیز خیلی بزرگی وارد گفتگو کرد،
/rewindدر Claude Code (دو بار Esc) آن را بیرون میآورد. تمیزتر از خلاصه کردن دورش است. - اشاره کنید، نچسبانید. «تابع
parseDateدرsrc/lib/time.tsرا درست کن» یعنی ایجنت فقط یک تابع را میخواند. چسباندن ۲۰۰۰ خط یعنی هزینه همهاش را در هر قدم میدهید. - فایلهای دستورالعمل را کوتاه نگه دارید.
CLAUDE.md،AGENTS.mdوGEMINI.mdبا هر درخواست فرستاده میشوند. زیر ۲۰۰ خط و فقط چیزهایی که ایجنت واقعاً لازم دارد. توضیحات طولانی را در فایلهای جدا بگذارید تا ایجنت هر وقت لازم شد بازشان کند. - سرورهای MCP بیاستفاده را خاموش کنید. هر کدام تعریف ابزارهایش را به همه درخواستها اضافه میکند. در Claude Code دستور
/mcpفهرستشان را نشان میدهد و میتوانید برای همان جلسه غیرفعالشان کنید. - جستجو را به زیرایجنت بسپارید. در Claude Code بگویید «با یک subagent پیدا کن X کجا مدیریت میشود»؛ جستجو در کانتکست جداگانه انجام میشود و فقط جواب برمیگردد. فایلهایی که باز کرده وارد گفتگوی اصلی شما نمیشوند.
قدم ۳: ابزارهایی که هدررفت مشخصی را کم میکنند
هر شش ابزار رایگان و متنباز هستند و با llmapi کار میکنند، چون روی کامپیوتر خودتان اجرا میشوند، نه بین شما و API. فقط آنهایی را نصب کنید که با نتیجه اندازهگیریتان جور است؛ هر کدام کمی سربار خودش را دارد.
RTK: خروجی دستورها را کوتاه میکند
برای: لاگ تست، خروجی build، خروجیهای طولانی git و ls.
RTK (حدود ۸۵ هزار ستاره در GitHub) یک فایل اجرایی کوچک است که به شل ایجنت وصل میشود. وقتی ایجنت git status، cargo test یا npm run build اجرا میکند، RTK دستور را طوری بازنویسی میکند که ایجنت نسخه فشرده خروجی را بگیرد: فقط تستهای شکستخورده بهجای همه تستها، خلاصه بهجای ۵۰۰ خط لاگ. خود پروژه ۶۰ تا ۹۰ درصد کاهش خروجی دستورها را ادعا میکند؛ صرفهجویی واقعی به کارتان بستگی دارد: زیاد برای کارهای پر از تست، تقریباً هیچ برای اسکریپتهای کوچک.
brew install rtk # یا: curl -fsSL https://raw.githubusercontent.com/rtk-ai/rtk/refs/heads/master/install.sh | sh
rtk init -g # Claude Code (برای بقیه: --codex، --gemini یا --agent cursor / cline)
rtk gain # ببینید چقدر صرفهجویی کردهبعد از نصب مطمئن شوید rtk gain کار میکند؛ بسته دیگری با نام rtk در crates.io هست که ربطی ندارد. اگر ایجنت برای دیباگ به خروجی کامل نیاز داشت، میتواند دستور را مستقیم اجرا کند.
Serena: بهجای کل فایل، فقط همان تابع را میخواند
برای: ایجنتهایی که برای تغییر یک تابع، فایلهای بزرگ را کامل باز میکنند.
Serena یک سرور MCP است که ابزارهای شبیه IDE را با کمک language serverها به ایجنت میدهد: پیدا کردن یک نماد، خواندن فقط همان تابع، فهرست ارجاعها، ویرایش در جا. بهجای خواندن سه فایل ۱۵۰۰ خطی برای تغییر نام یک متد، ایجنت دقیقاً همان کد لازم را میگیرد. بیشترین سود را در پروژههای بزرگ دارد؛ در پروژه کوچک، تعریف ابزارهای خودش ممکن است بیشتر از صرفهجوییاش هزینه داشته باشد.
uv tool install -p 3.13 serena-agent
serena initبعد طبق راهنمای کلاینتهای Serena آن را به ایجنتتان اضافه کنید. خود پروژه توصیه میکند از مارکتپلیسهای MCP نصبش نکنید، چون دستورهایشان قدیمی است.
Context7: فقط همان مستندات لازم را میآورد
برای: چسباندن مستندات، و دورهای اصلاح APIای که مدل اشتباه به خاطر داشت.
Context7 مستندات بهروز و مخصوص هر نسخه را برای هزاران کتابخانه، بهصورت تکههای کوچک و متمرکز به ایجنت میدهد، نه کل صفحه وب را. صرفهجویی بزرگترش غیرمستقیم است: دورهای کمتری از «این تابع در نسخه ۵ تغییر نام داده، دوباره امتحان کن».
npx ctx7 setup # CLI + skill یا MCP را انتخاب کنیدبدون حساب هم کار میکند، ولی کلید API رایگان از context7.com محدودیت درخواست را بالا میبرد. در پرامپت، «use context7» یا شناسه کتابخانه مثل /supabase/supabase آن را به مستندات درست میبرد.
Repomix: کل مخزن را برای سؤالهای یکباره بستهبندی میکند
برای: وقتی یک دید کلی میخواهید و ایجنت دهها فایل کوچک میخواند.
Repomix کل مخزن یا بخشی از آن را در یک فایل جمع میکند. با --compress فقط امضاها و ساختار (تعریف تابعها و کلاسها، بدون بدنه) را نگه میدارد. برای سؤالهایی مثل «این کدبیس را توضیح بده» یا «معماری را بررسی کن» عالی است: یک درخواست بهجای دهها فراخوانی ابزار.
npx repomix@latest --compress --include "src/**"برای ویرایشهای روزمره نیست. مخزن بستهبندیشده داخل جلسه ایجنت، توکن زیادی است که باید مدام حمل شود. برای یک سؤال استفاده کنید و بعد جلسه تازه شروع کنید.
Caveman: پاسخهای کوتاهتر
برای: توضیحات طولانی و پرحرف.
Caveman یک skill بسیار محبوب است که ایجنت را وادار میکند خیلی کوتاه و تکهتکه جواب بدهد: «هر رندر رفرنس جدید. useMemo بزن.» بامزه است و متن را کوتاه میکند، ولی درباره اعداد واقعبین باشید: پاسخها معمولاً سهم کوچکی از توکنهای یک جلسه برنامهنویسیاند، بنچمارک صادقانه خود پروژه سود کمی نسبت به گفتن ساده «مختصر بنویس» نشان میدهد، و روی توکنهای فکر کردن و کد اثری ندارد. اگر توضیح زیاد میخوانید استفاده کنید؛ برای بحثهای طراحی کنارش بگذارید.
فقط skill را نصب کنید:
npx skills add JuliusBrussee/caveman -gبعد در جلسه /caveman را بزنید. نصبکننده یکدستوریاش (npx @caveman-ai/cli) را با llmapi استفاده نکنید: یک پروکسی محلی هم برای ترافیک API راه میاندازد که ممکن است با تنظیمات llmapi تداخل کند.
فایلهای ignore: آشغالها را از دسترس دور نگه دارید
برای: ایجنتهایی که سر از node_modules، dist، lockfileها و فایلهای داده درمیآورند.
بیشتر ایجنتها هر چیزی را که در .gitignore است نادیده میگیرند، و چند تا فایل ignore مخصوص خودشان را هم دارند:
| ایجنت | فایل |
|---|---|
| Cursor | .cursorignore |
| Cline | .clineignore |
| Gemini CLI | .geminiignore |
| Claude Code | permissions.deny در .claude/settings.json |
برای Claude Code:
{
"permissions": {
"deny": ["Read(./dist/**)", "Read(./**/*.min.js)", "Read(./data/**)", "Read(./package-lock.json)"]
}
}قدم ۴: بقیه را به کش و انتخاب مدل بسپارید
ابتدای هر درخواست را ثابت نگه دارید. در llmapi، ورودیای که با ابتدای یک درخواست اخیر یکی باشد فقط ۱۰٪ حساب میشود. ایجنتها خودشان درخواستها را اینطور میسازند. شما این تخفیف را حفظ میکنید اگر وسط جلسه CLAUDE.md را ویرایش نکنید، وسط کار سرورهای MCP را روشن و خاموش نکنید، و از پلاگینهایی که متن متغیر (زمان، شناسه تصادفی) در پرامپت سیستم میگذارند استفاده نکنید.
سبکترین مدلی را که کار را انجام میدهد انتخاب کنید. مدلهای کردیت استاندارد (ضریب ۱)، مثل deepseek-v4.1-flash، بهازای هر توکن نصف مدلهای کردیت مدلهای بزرگ (ضریب ۲)، مثل kimi-k2.6، کردیت مصرف میکنند؛ پس برای کارهای مکانیکی (تغییر نام، فرمت، کد تکراری، جستجوی سریع) مناسبترند. در Claude Code میتوانید همه زیرایجنتها را به مدل سبکتر بفرستید و جلسه اصلی روی مدل بزرگتر بماند:
{
"env": { "CLAUDE_CODE_SUBAGENT_MODEL": "deepseek-v4.1-flash" }
}این را به بخش env در ~/.claude/settings.json اضافه کنید، کنار تنظیماتی که نصبکننده llmapi نوشته است.
یک تنظیم اولیه
اگر فقط چهار کار انجام میدهید:
- یک بار
npx ccusage@latest sessionرا اجرا کنید تا جلسههای گران را پیدا کنید، و یک بار/contextرا تا سربار ثابتتان را ببینید. /clearبین کارها را عادت کنید وCLAUDE.md/AGENTS.mdرا زیر ۲۰۰ خط نگه دارید.- اگر تست یا build را از طریق ایجنت اجرا میکنید، RTK را نصب کنید.
- اگر مخزنتان بزرگ است Serena، و اگر با کتابخانههای پرتغییر کار میکنید Context7 را اضافه کنید.
یک هفته بعد دوباره اندازه بگیرید. ابزاری که برای کار شما فایده نداشت را حذف کنید؛ تعریفهایش هم توکن مصرف میکند.
راهاندازی
تازه با llmapi آشنا شدهاید؟ ثبتنام کنید و نصبکننده یکخطی را از راهنماهای راهاندازی اجرا کنید. Claude Code، Codex، Gemini CLI، OpenCode، Cline و بقیه را با کلید شما تنظیم میکند و نکتههای بالا روی همان کار میکنند.


