Когда в Claude Code заканчивается лимит посреди задачи, реакция почти у всех одна: ты начинаешь писать обрывочные промпты и экономить вопросы, как воду в пустыне. Кажется логичным: меньше текста отправил — меньше токенов списалось. Но здесь и прячется главная слепая зона. Твои реплики — крошечная доля счёта.
Квоту съедает снежный ком в контекстном окне. Контекстное окно — это оперативная память диалога: всё, что уже попало в чат, модель заново перечитывает на каждом следующем ходе. Если на втором шаге в историю влетел сырой лог тестов на тысячу строк, ты будешь оплачивать его на третьем, четвёртом и двадцатом шаге. Кто читает эти простыни в терминале? Не ты — их читает Claude, и за каждую строчку списывается твоя квота.
Если разложить обычную сессию по полочкам, всплывают четыре скрытые утечки:
- Сырой вывод терминала.
git diff,pytest,cargo testи листинги файлов заливают в историю десятки килобайт шума. - Вежливость модели. Claude легко пишет три абзаца вступления там, где хватило бы трёх слов. А выходные токены стоят дороже всего.
- Код «про запас». Просишь простую правку, а агент строит лишние обёртки и настройки «вдруг пригодится». В будущих сессиях модель снова будет это читать.
- Флагман на рутине. Гонять топовый Claude на переименованиях и мелких сводках — всё равно что посадить главного сеньора разбирать входящую почту.
Резать качество работы не придётся. Вокруг Claude Code уже сложился стек из четырёх бесплатных открытых утилит — по одной на каждую дыру. Они работают и в других агентах вроде Codex CLI, Cursor, Cline или Gemini CLI, а настройка занимает около 15 минут.
Фильтр терминала RTK и телеграфный стиль Caveman
Первые две утечки — консольный мусор и болтливость модели — закрываются на входе и выходе.
Для терминала есть RTK (Rust Token Killer) — лёгкий инструмент на Rust (Apache-2.0 / BUSL-1.1). Он работает как CLI-хук (перехватчик команд): встаёт между Claude Code и консолью, как фильтр на кране. Когда агент запускает git, тесты или поиск файлов, RTK схлопывает повторы и убирает лишний шум. Полезная вода проходит, мусор остаётся снаружи. Задержка меньше 10 мс — глазами её не заметить.
Сравнение вывода cargo test: 71 строка сырого лога против 11 строк после фильтрации RTK (Источник: github.com/rtk-ai/rtk)
Авторы RTK заявляют экономию 60–90% токенов на выводе команд. В тесте Джулиана Голди фильтр срезал вывод инструментов на 82,9% без потери качества ответов.
# Вариант 1: через Homebrew на macOS и Linux
brew install rtk
# Вариант 2: официальный скрипт установки
BASE="https://raw.githubusercontent.com/rtk-ai/rtk"
curl -fsSL "$BASE/refs/heads/master/install.sh" | sh
# Вариант 3: через Cargo (строго с флагом --git!)
cargo install --git https://github.com/rtk-ai/rtk
# Подключаем хук к Claude Code, перезапускаем и проверяем
rtk init --global
rtk gain
После rtk init --global обязательно перезапусти Claude Code, иначе хук не заработает. Команда rtk gain покажет живую статистику экономии. Если в проекте много тестов и работы с git, один RTK даст самый заметный выигрыш. А вот в чисто текстовых обсуждениях архитектуры эффект будет скромным — фильтровать просто нечего.
Вторую утечку — словесную воду — закрывает Caveman. Это бесплатный скилл (набор инструкций и слэш-команд для агента) от Джулиуса Брюссе под Apache-2.0. Он переключает Claude в телеграфный стиль: коротко, сухо, без вводных реверансов. Сам код остаётся точным побайтово, уходит только болтовня вокруг него.
# Добавляем маркетплейс и ставим плагин Caveman
claude plugin marketplace add JuliusBrussee/caveman
claude plugin install caveman@caveman
# После перезапуска проверяем список плагинов
claude plugin list
В чате режим включается командой /caveman (уровни от light до ultra, например /caveman ultra), а выключается фразой normal mode или /caveman off. На примере из репозитория разбор лишнего ре-рендера в React сжимается с 69 до 19 токенов при том же смысле.
Отчёт Caveman с разбором утечек токенов и экономией по сессиям агента (Источник: github.com/JuliusBrussee/caveman)
Но здесь есть важное ограничение. В замерах Джулиана Голди на тестовом проекте Caveman срезал выходные токены на 69%, а вот общий расход упал примерно на 30%. Скилл не трогает скрытые рассуждения модели (thinking-токены), да и его собственный промпт чуть весит на каждом ходе. На длинных текстовых разборах он экономит отлично, а там, где модель долго думает и выдаёт короткий патч, эффект будет ниже.
Ленивый сеньор Ponytail и маршрутизатор OmniRoute
Третью утечку — привычку агента переусложнять код — лечит Ponytail, открытый плагин Дитриха Геберта.
Идея простая: включить режим «ленивого сеньора». Не халтурщика, а опытного разработчика, который ищет самый короткий безопасный путь. Прежде чем писать новый файл, Ponytail прогоняет задачу по шести ступеням: нужно ли это вообще, есть ли похожее в проекте, умеет ли это стандартная библиотека, хватит ли текущих зависимостей, можно ли в одну строку и какой код будет минимальным. Базовые вещи — валидация, обработка ошибок, безопасность и доступность — остаются на месте.
# Выполняем внутри сессии Claude Code двумя командами
/plugin marketplace add DietrichGebert/ponytail
/plugin install ponytail@ponytail
Внутри доступны режимы /ponytail lite, /ponytail full (по умолчанию) и /ponytail ultra, плюс проверки /ponytail-review и /ponytail-audit. В тестах автора плагин написал на 54% меньше кода, снизил стоимость прогона примерно на 20% и ускорил работу на 27%. Независимые замеры JetBrains на смешанных задачах скромнее, но стабильны: 15–27% экономии. На новых фичах Ponytail спасает от раздувания базы, а на мелких багфиксах разница будет небольшой.
Четвёртый инструмент — OmniRoute (MIT) — закрывает самую дорогую утечку. Это локальный шлюз маршрутизации (LLM gateway), который крутится на твоём компьютере на порту 20128. Ты направляешь Claude Code в этот прокси, а он распределяет запросы между сотней с лишним провайдеров, из которых больше 90 дают бесплатные тарифы (OpenRouter, Groq, Mistral, NVIDIA NIM). Ключи шифруются локально (AES-256-GCM).
Сложные задачи остаются за Claude, а рутина улетает на бесплатные модели. Если у одного провайдера кончился лимит, OmniRoute сам переключится на следующего. Вдобавок в шлюз встроено собственное сжатие запросов в духе RTK и Caveman.
# Ставим шлюз глобально и запускаем сервер
npm install -g omniroute
omniroute serve
# Настраиваем провайдеров на http://localhost:20128
# Автоподключение к Claude Code:
omniroute setup-claude
omniroute launch
# Или вручную (строго без /v1 в конце адреса!)
export ANTHROPIC_BASE_URL="http://localhost:20128"
export ANTHROPIC_AUTH_TOKEN="oma_live_xxx"
claude
После запуска введи /status в Claude Code и проверь, что трафик идёт на http://localhost:20128. При ручной настройке не дописывай /v1 в ANTHROPIC_BASE_URL — клиент добавит /v1/messages сам.
Ограничение тут простое: если задача требует глубокого архитектурного анализа, бесплатные модели начнут ошибаться, и переделки съедят всю выгоду. Плюс у бесплатных тарифов жёсткие лимиты по частоте, поэтому без цепочки запасных провайдеров не обойтись.
| Утечка | Инструмент | Что делает | Главное ограничение |
|---|---|---|---|
| Сырые логи терминала | RTK | Фильтрует вывод git, тестов и файлов через хук | Почти не влияет на чаты без команд |
| Болтливые ответы | Caveman | Убирает воду, сохраняя точность кода | Не сжимает скрытые thinking-токены |
| Код «про запас» | Ponytail | Ограничивает агента минимальным безопасным кодом | На мелких багфиксах эффект ниже |
| Флагман на рутине | OmniRoute | Переводит простые задачи на бесплатные модели | Слабее в сложной архитектуре |
Типичные грабли при настройке и две бесплатные привычки
Даже с этим стеком легко потерять половину экономии. Самая частая ловушка — поставить «не тот RTK».
На crates.io под коротким именем rtk лежит другой пакет — reachingforthejack/rtk (Rust Type Kit для генерации типов). Если набрать cargo install rtk, поставится именно он. Проверь командой rtk gain: нужный инструмент покажет таблицу сэкономленных токенов. Если терминал ругнулся или заговорил о типах — удали пакет через cargo uninstall rtk и поставь заново через brew install rtk или cargo install --git https://github.com/rtk-ai/rtk.
Вторая ошибка — ждать минус 80% в каждом диалоге. Максимум дают сессии с постоянным прогоном тестов, где раскрывается RTK; в спокойном проектировании цифра будет ниже. Третья ошибка — продолжать резать собственные промпты. Когда модель не поняла задачу с первого раза, лишние круги правок сжигают куда больше токенов, чем пара подробных предложений ТЗ.
И две привычки, которые ничего не требуют ставить. Первая — команда /clear при переходе к новой несвязанной задаче, чтобы агент не тащил мёртвый груз старой переписки. Вторая — диета для CLAUDE.md. Этот файл инструкций проекта Claude Code подгружает при каждом запуске сессии, так что каждая устаревшая строчка в нём оплачивается снова и снова.


