إلى أين تتسرب التوكنات في Cursor وكيف يمكن التعامل مع ذلك

عشرون دولاراً شهرياً — وهذا هو السعر الدقيق لاشتراك Cursor Pro، أحد أشهر مساعدات الذكاء الاصطناعي للبرمجة. يبدو المبلغ متواضعاً، بل رمزياً قياساً على رواتب المطورين. لكن خلف هذه البساطة تختبئ آلية تسعير معقدة قادرة على تحويل حد أقصى سخي إلى عجز قبل نهاية فترة الفواتير بوقت طويل. قرر أحد المستخدمين التحقيق في المكان الذي تذهب إليه الرموز بالضبط وشارك نتائج بحثه على Habr.

استهلاك الرموز في مساعدات الذكاء الاصطناعي للأكواد ليس مجرد مسألة محاسبية. إنها ميزة أساسية في بنية نماذج اللغات الحديثة التي تؤثر بشكل مباشر على إنتاجية المطورين. في كل مرة يستدعي Cursor النموذج، فإنه لا يرسل طلبك فحسب، بل يرسل أيضاً السياق — أجزاء من الملفات المفتوحة وسجل المحادثة ونتائج فهرسة المشروع. كل هذا يتم تحويله إلى رموز، وكل رمز يكلف المال. قد لا يلاحظ المستخدم الذي يكتب أسئلة في الدردشة أن المساعد يعيد معالجة آلاف أسطر الكود في كل استدعاء.

أجرى مؤلف المادة نوعاً من التدقيق في استخدامه لـ Cursor وحدد عدة «مستهلكات» رئيسية للميزانية. الأول والأكثر وضوحاً هو حجم نافذة السياق. عندما تعمل على مشروع كبير ويكون لديك عدة ملفات مفتوحة، يحاول المساعد أخذ أكبر قدر من المعلومات في الاعتبار، مما يؤدي إلى تضخيم كل طلب. العامل الثاني هو الطلبات المتكررة والتوضيحية. يؤدي الطلب الذي لم يتم صياغته بدقة إلى إجابة غير مرضية، تليها طلب آخر وآخر — كل منها مع السياق الكامل. النقطة الثالثة هي الفهرسة التلقائية والعمليات الخلفية التي قد لا يلاحظها المستخدم، لكنها تستهلك الرموز بشكل منهجي.

هذا الوضع مميز ليس فقط لـ Cursor. يواجه السوق بأكمله لمساعدات الذكاء الاصطناعي للبرمجة — من GitHub Copilot إلى Windsurf و Cline — نفس المعضلة: كلما زاد السياق الذي يحصل عليه النموذج، كانت إجاباته أفضل، لكن كل استدعاء يصبح أكثر تكلفة. يوازن مطورو الأدوات بين الجودة والتكلفة، وينتهي المستخدمون كرهائن لهذا التسوية. مع اشتراك ثابت بـ 20 دولاراً، قد ينتهي حد الطلبات في الأسبوع الأول من العمل المكثف، وفي نموذج الدفع حسب الاستخدام، يمكن أن تكون الفاتورة مفاجأة غير سارة في نهاية الشهر.

وإدراكاً لنطاق المشكلة، لم يقتصر المؤلف على تسجيل الحقائق بل ابتكر إطار عمله الخاص لتحسين استهلاك الرموز. جوهر النهج هو الإدارة الواعية للسياق. بدلاً من السماح للمساعد بتقرير ملفات مستقل التي سيتم تضمينها في الطلب، يساعد الإطار على هيكلة الطلبات بحيث يتلقى النموذج بالضبط قدر المعلومات الضروري لمهمة معينة. هذا نوع من «النظام الغذائي» لمساعد الذكاء الاصطناعي: سياق أقل غير ضروري وطلبات أكثر دقة وحد أدنى من الطلبات المتكررة.

تشير مثل هذه المبادرات من قبل المستخدمين إلى تحول مهم في كيفية إدراك أدوات الذكاء الاصطناعي. عصر الاستخدام غير المدروس، عندما كان المطورون يتحدثون ببساطة إلى المساعد كزميل، يحل محله تدريجياً نهج أكثر تقنية. يبدأ المبرمجون بمعاملة الرموز كمورد حسابي يحتاج إلى التحسين — تماماً كما يحسنون الذاكرة ووقت المعالجة أو طلبات الشبكة في تطبيقاتهم. حتى تظهر نوع من الانضباط «لهندسة الطلبات من أجل الاقتصاد»، حيث الهدف ليس فقط الحصول على إجابة جيدة، بل الحصول عليها بأقل تكاليف.

بالنسبة للصناعة، يعني هذا أن تسعير مساعدات الذكاء الاصطناعي يبقى مشكلة غير محلولة. تخلق الاشتراكات الثابتة وهم القدرة على التنبؤ، لكنها تخفي التكلفة الحقيقية للاستخدام. نماذج الدفع على أساس الرموز أكثر صراحة، لكنها تخيف بعدم القدرة على التنبؤ بالفواتير. من المحتمل أن تتضمن الأجيال القادمة من خطط التسعير مقاييس استهلاك أكثر شفافية وأدوات تحسين مدمجة — بالضبط ما يبنيه المتحمسون مثل مؤلف هذا البحث يدوياً الآن.

عشرون دولاراً شهرياً — ليس كثيراً وليس قليلاً. إنه المبلغ الصحيح للتفكير في كيفية إنفاقك لكل رمز. وربما هذا الوعي هو ما سيحول في النهاية مستخدمي أدوات الذكاء الاصطناعي العاديين إلى مطورين فعالين حقاً.