Эфир 18.11 · Поток 318 ноября в 19:00 МСК — бесплатный практический эфир по ИИ-агентам · Живой Поток 3 стартует 23.11Эфир 18 ноября →Поток 3 (23.11)
Безопасность и правоAPI / Продукт · В работуHabr AI→ оригинал

Claude Code с Kimi ждал по 22,6 с проверки команд — быстрая модель сократила до 9,9 с

В Claude Code с Kimi K3.1 Pro режим Auto тормозит: перед git push или тестами отдельный вызов модели решает, безопасна ли команда. По логам 646 действий проверка занимала в среднем 22,6 секунды, а у 30 субагентов съела 23,8% времени. Частые команды автор вынес в явные allow-правила без модели, остальное отдал быстрой Kimi K2.8: 9,9 секунды вместо 22,6.

AI-обработка оригинала Habr AI; редакция Hamidun News
Claude Code с Kimi ждал по 22,6 с проверки команд — быстрая модель сократила до 9,9 с
Источник: Habr AI. Коллаж: Hamidun News.
Слушать статью
Паспорт материала и цифры
ПараметрДанные
ПервоисточникHabr AI ↗
Главный редактор
Правила в трёх местахглобальные, проектные и локальные для релизов
Ключевой факт #2K2.8 проверяет в 2,3 раза быстрее K3.1 Pro, но это не бенчмарк
Ключевой факт #3Правила защищают от случайных ошибок, но не заменяют песочницу

Вы просите агента в Claude Code запустить тесты или сделать git push, основная модель уже ответила, а команда не стартует: курсор замер на секунды, а иногда на минуты. Так выглядит проблема у разработчика, который после блокировки аккаунта Anthropic перешёл на Kimi K3.1 Pro, но остался в привычном Claude Code. Виновата не медленная генерация кода, а скрытая проверка: перед выполнением команды второй вызов модели решает, безопасна ли она. Если вы запускаете Claude Code с чужой моделью и агенты «подвисают», этот разбор подскажет, где искать причину и как её убрать.

Почему агент замирает перед git push

Переезд технически простой: в настройках Claude Code меняются API-эндпоинт и имена моделей. По качеству на своих задачах автор не почувствовал, что Kimi заметно хуже Opus 5.5. Минусы другие: она дороже, то есть в подписке меньше лимитов, а собственный Kimi Code, по его оценке, малофункционален и неудобен по сравнению с Claude Code. Автор использует расширения для VS Code, поэтому сравнивает только их. Альтернативных харнесов (обвязок вокруг модели) достойных он пока не нашёл.

Проблемы начались в режиме Auto, где агент получает разрешения на вызовы инструментов автоматически. Claude Code отправляет отдельному классификатору часть диалога и планируемое действие и ждёт вердикта. У Anthropic это сделано как расширение протокола между харнесом и моделью (server-side review). Судя по всему, оно работает параллельно с основной моделью, а расходы на него не входят в квоты. У Kimi и большинства других фронтирных моделей такого расширения нет. Для них есть режим совместимости — переменная CLAUDE_CODE_AUTO_MODE_SERVER со значением "0". Тогда проверка превращается в обычный синхронный запрос к модели, и агент стоит, пока не придёт ответ. Это ещё и заметная строка расходов.

Что показали логи

Автор разобрал логи двух больших задач с агентами и субагентами. На 646 действиях K3.1 Pro тратила в среднем 22,6 секунды только на проверку разрешения. Одноэтапная проверка занимала 15,6 секунды, многоэтапная — 35,8. Встречались отмены по таймауту на 120 секундах. По оценке автора, для 30 субагентов классификатор занял 23,8% их активного времени.

Решение: правила вместо второй модели

Главная идея: не каждое действие требует решения от LLM. Автор добавил в настройки явные разрешения permissions.allow, например точную команду git push origin HEAD или запуск скрипта форматирования. Действия, подпадающие под правило, классификатор не вызывают вообще. Правила он разделил на три группы:

  • Общие для всех проектов: неразрушающие операции с Git и gh. Их кладут в глобальный ~/.claude/settings.json.
  • Проектные: вызовы компиляторов, линтеров, тестов. Они лежат в .claude/settings.json репозитория. Claude Code объединяет локальные и глобальные списки автоматически.
  • Релизные и управленческие. Агент заранее готовит список команд, автор добавляет точные правила с полными параметрами в .claude/settings.local.json, и после этого агент быстро выполняет всю цепочку. Для редкого force-push проще переключиться в Manual и подтвердить действие один раз.

Для всего, что правила не покрыли, автор назначил классификатором kimi-for-coding (K2.8) через переменную CLAUDE_CODE_AUTO_MODE_MODEL. На первых тестах среднее время проверки составило 9,9 секунды вместо 22,6 у K3.1 Pro — примерно в 2,3 раза быстрее. Это не полноценный бенчмарк, но как ориентир на его задачах он работает.

Ограничения и вывод

Главное предупреждение касается безопасности: permission rules защищают от случайных деструктивных действий, но не являются границей безопасности. Агент может переписать ваши файлы и без Bash, поэтому для настоящей изоляции нужны другие меры.

На практике порядок такой. Сначала посмотрите по логам, сколько времени уходит на проверки разрешений. Затем вынесите частые и безопасные команды в явные allow-правила, а неоднозначные оставьте модели, причём лучше быстрой и недорогой. Детерминированные правила быстрее, дешевле и предсказуемее, а LLM стоит держать для действительно неясных случаев. Конфигурацию и release workflow автор показал в PR #34 проекта Quoll.

Сюжет

Вопросы и ответы по материалу

Что известно по теме: почему агент замирает перед git push?

Переезд технически простой: в настройках Claude Code меняются API-эндпоинт и имена моделей. По качеству на своих задачах автор не почувствовал, что Kimi заметно хуже Opus 5.5. Минусы другие: она дороже, то есть в подписке меньше лимитов, а собственный Kimi Code, по его оценке, малофункционален и неудобен по сравнению с Claude Code. Автор использует расширения для VS Code, поэтому сравнивает только их. Альтернативных харнесов (обвязок вокруг модели) достойных он пока не нашёл.

Что известно по теме: что показали логи?

Автор разобрал логи двух больших задач с агентами и субагентами. На 646 действиях K3.1 Pro тратила в среднем 22,6 секунды только на проверку разрешения. Одноэтапная проверка занимала 15,6 секунды, многоэтапная — 35,8. Встречались отмены по таймауту на 120 секундах. По оценке автора, для 30 субагентов классификатор занял 23,8% их активного времени.

Что известно по теме: решение: правила вместо второй модели?

Главная идея: не каждое действие требует решения от LLM. Автор добавил в настройки явные разрешения permissions.allow, например точную команду git push origin HEAD или запуск скрипта форматирования. Действия, подпадающие под правило, классификатор не вызывают вообще. Правила он разделил на три группы: Общие для всех проектов: неразрушающие операции с Git и gh. Их кладут в глобальный ~/.claude/settings.json. Проектные: вызовы компиляторов, линтеров, тестов. Они лежат в .claude/settings.json репозитория.

ЖХ
Жемал Хамидун — CPO Alpina Digital, продакт-менеджер AlpinaGPT. Делает AI-продукты с 2019 года. Hamidun News — pet project, который вырос в production-агрегатор с 6000+ читателей.
✦ Практика · Hamidun Academy

Соберите рабочего ИИ-агента или сервис своими руками без ручного кода

В Академии Жемала Хамидуна (academy.hamidun.com) открыт бесплатный 72-часовой тест-драйв: интерактивные скетч-уроки по Claude Code и Cursor, живой Tech Radar и готовые шаблоны агентов.

Открыть 72ч бесплатный доступ →Интенсив по Вайб-кодингу
Что вы думаете?
Загружаем комментарии…