Разбор на Habr: AI-агенты тратят токены до первой строки кода, помогут 5 паттернов

Расход токенов у AI-агентов на большой кодовой базе растёт заметно быстрее, чем объём кода, который они пишут. Значительная часть бюджета уходит ещё до первой строки: на поиск файлов, чтение и разбор архитектуры. Такой тезис выдвигает автор свежего разбора на Habr и предлагает пять универсальных паттернов экономии. В RSS-анонсе опубликовано только вступление. Сами паттерны раскрыты в полной статье, поэтому ниже сказано, что заявлено в анонсе, и добавлен контекст по отрасли.

Где сгорают токены

Агенты давно вышли за рамки генерации отдельных функций. Автор перечисляет, что они делают в реальных проектах: исследуют репозиторий, ищут нужные файлы, анализируют архитектуру, запускают тесты и проверяют результат. Задачи при этом обычные. Добавить страницу во frontend, создать endpoint, поменять схему базы, разобраться с очередью сообщений, починить data pipeline, обновить CI/CD, подключить новый сервис.

Во всех случаях агент начинает с разведки. Он читает файлы, получает выводы поиска и листинги директорий, смотрит логи тестов. Всё это попадает в контекстное окно и пересылается модели на каждом следующем шаге. Чем больше репозиторий, тем длиннее разведка, и стоимость задачи перестаёт зависеть от размера итогового диффа.

Что заявлено в анонсе

• Тема: экономия токенов AI-агентов при работе с кодовой базой.
• Формат: пять универсальных паттернов, не привязанных к конкретному стеку.
• Охват: frontend, backend, схемы БД, очереди, data pipeline, CI/CD, новые сервисы.
• Главный тезис: расход токенов растёт быстрее, чем объём написанного кода.
• Ключевое наблюдение: значительная часть токенов тратится до написания первой строки.

Конкретных цифр экономии в доступном фрагменте нет. Оценивать эффективность паттернов по анонсу нельзя.

Какие приёмы обычно работают

Вот общеотраслевые практики, которые инженеры применяют для той же проблемы. Это не пересказ статьи, и совпадут ли они с пятью паттернами автора, неизвестно.

• Сначала поиск, потом чтение. Находить нужные символы и пути точечным поиском и открывать диапазоны строк, а не файлы целиком.
• Компактная карта репозитория. Короткое описание структуры и ключевых модулей, чтобы агент не выяснял её заново в каждой сессии.
• Файл с правилами проекта. Команды сборки и тестов, соглашения, запретные зоны, оформленные один раз.
• Фильтрация вывода. Агенту нужны упавшие тесты и стек ошибки, а не полный лог прогона.
• Изоляция разведки. Тяжёлое исследование выносится в отдельную сессию или субагента, а в основной контекст возвращается краткая сводка.
• Кэширование стабильного префикса промпта, если провайдер его поддерживает.

Что делать командам

Начните с измерений. Без разбивки токенов по фазам (разведка, правки, проверка) любая оптимизация идёт вслепую. Логируйте расход на задачу и сравнивайте его с размером диффа: если разведка стабильно дороже написания кода, проблема в навигации по проекту, а не в модели.

Затем задайте бюджет на задачу и посмотрите, где агент его выбирает. Обычно это повторные чтения одних и тех же файлов, широкие поиски и необрезанные логи. Эти три источника закрываются дёшево, без смены модели и инструментов.

Полный текст на Habr стоит прочитать с конкретным вопросом: какие из пяти паттернов можно проверить на вашем репозитории за один день и как измерить результат. Если автор приводит замеры до и после, они ценнее самих рекомендаций.