Claude Token Kullanımını Yarıya İndirdim: Talimatları Ana Oturumdan Çıkardım.

Claude‘ı sürekli olarak kendi kendime kurduğum sunucu ortamımdaki sorunları giderirken kullanıyorum. Docker günlüklerini inelemekten küçük uygulamalar ve paneller oluşturmak kadar her şey için inanılmaz bir araç oldu, ancak bir projeye bırakmak token‘larımın ve kullanım limitimin neredeyse aynı ölçüde tükenmesine yol açabiliyor. Görünüşe göre bir görevin karmaşıklığı, her zaman AI token’larının tükenmesine neden oluyor değil. LLM‘nin çalışma biçimi, dosyaları keşfetmek veya talimatları yüklemek de token yakım hızınızı belirleyebilir.

Ekle

XDA

Google’da

Tercih Kaynağı Olarak Ekle

Google Discover’da Takip Et

AI token kullanımımı azaltmanın yollarını araştırırken, Claude’dan daha iyi yararlanmanın yalnızca daha iyi istem (prompt) kullanımıyla ilgili olmadığını, aynı zamanda projeleri nasıl düzenlediğim ve işleri LLM’ye nasıl devrettiğimle de ilgili olduğunu keşfettim. Aslında Anthropic, bu sorunları doğrudan ele alan birkaç özellik sunuyor. Talimatları Claude’un sürekli yüklediği bağlamdan çıkarmak ve görevleri izole etmek için alt ajanlar (subagent) kullanmak, Claude token kullanımımı azaltmada bana en çok yardımcı olan yöntemler oldu.

Gereksiz bağlamdan kaçınmak için CLAUDE.md dosyanızı sade tutun

Projeye özgü görevler için talimat dosyaları ve becerileri ayırın

Claude Code’da bir projede çalıştığım her anda, programın dizin yapısını anlamasını, uygulamanın nasıl çalıştırılacağını bilmesini ve belirli talimatlarımı takip etmesini istiyorum. Açık çözüm, her şeyi projenin kök dizinine yerleştirilen bir CLAUDE.md dosyasına koymak.

Sorun şu ki, bu dosya neredeyse her oturumun başında yükleniyor ve Claude, tam da oturumla alakalı olmadığı durumlarda bile tam bağlamı beraberinde taşıyor.

Daha iyi bir yaklaşım, md dosyanızı ihtiyacınız olabilecek her talimatı saklayan bir depo yerine bir proje rehberi olarak kullanmak. Bunun yerine, talimat dosyalarının bir alt kümesini oluşturabilir ve CLAUDE.md’yi LLM’yi bağlamsal açıdan ilgili tek tek dosyalara yönlendirmek için kullanabilirsiniz.

Bu yaklaşım benim için Docker ve kendi kendine barındırdığım uygulamalarla ilgili projelerde işime yaradı. Tipik bir projede Compose dosyalarından uygulama yapılandırmalarına, betiklerden dokümantasyona kadar her şey yer alır. İstek bir yapılandırma değişikliği olduğunda, Claude’ın bu bilgilerin tümünü yüklemesi için kesinlikle bir gerek yok.

Ana CLAUDE.md dosyam projenin ne yaptığını, ana dosyaların nerede olduğunu, testleri çalıştırmak için kullandığım komutları ve önemli kısıtlamaları dahil etmek üzere temel bilgileri içerir. Bileşenlere özel ayrıntılı talimatlar ilgili dosyaların yakınında yer alabilir.

Örneğin, bir projede ayrı ön yüz ve arka dizinleri varsa, her dizine bir CLAUDE.md dosyası oluşturabilirim. Claude Code, projenin o bölümündeki dosyalarla çalışırken ilgili talimatları yükler; her uzman talimatı başlangıç bağlamında tutmak yerine.

Ayrıca, yeterince sık tekrarlanan iş akışları için becerileri kullanabilirim. Örneğin, bir hizmeti ayağa kaldırmaya çalışırken Docker ile ilgili sorunları araştırmak için Claude’u düzenli olarak kullanırım. Bir beceri kullanmak, bana konfigürasyon dosyalarımın nerede olduğunu, hangi komutların çalıştırılacağını ve sonuçların nasıl raporlanacağını belirten bir iş akışı tanımlamayı sağlar. Claude bu prosedürü talep üzerine yükleyebilir; projeye ait talimatların içine eklemek yerine.

Ana oturumumu şişirmemek için alt ajanları kullanırım

Uzun hata ayıklama görevlerini alt ajanlara devrederim

Alt ajanlar, maliyetlerden ciddi ölçüde tasarruf etmenin sırrıdır. Örneğin, bir Docker konteyneri başlatmayı reddettiğinde, günlüklerini inelemem, Compose yapılandırmasını kontrol etmem ve hacim izinlerini doğrulamam gerekebilir.

Bunların her biri sohbetin ana akışına daha fazla bilgi ekler. Claude birkaç büyük günlük dosyasını okur ve alakalı olmayan yapılandırma dosyalarını tararsa, bu bilgiler maliyetin artmasına neden olur.

Claude Code’ın alt ajanları, bu görevleri ayrıştırmak için bir yol sunar. Bir alt ajan, kendi bağlam penceresinde çalışır ve bulguları ana oturuma geri getirmeden önce belirli bir sorunu araştırabilir. Bu özelliği, özellikle görevin belirgin adımları olduğunda oldukça faydalı buluyorum.

İşte bir örnek. Kendi barındırdığım bir uygulamanın veritabanı hataları raporlaması durumunda, kurulumun tam bağlamını, uygulamayla ne yaptığımı ve veritabanı günlüklerini paylaşmak yerine, yalnızca bir alt ajan kullanarak veritabanı başlatma hatalarını araştırabilir, ilgili günlükleri inceleyebilir ve hatanın en olası nedenini belirleyebilirim. Ardından, kanıtlarla birlikte kısa bir özet sunabilirim. Bu, araştırmayı odaklı tutar ve ana oturumun tam bağlama ihtiyaç duymasını engeller.

Alt ajanların tek çözüm olmadığını unutmamak gerekir. Bir alt ajanın doğru yaklaşım olup olmadığı konusunda bilinçli bir karar vermelisiniz. Alt ajanlar kendi kaynaklarını kullanır ve çalışmaları, ana oturumun taşıdığı bağlamı azaltsa bile toplam token kullanımını artırabilir. Bir araştırm substantial, net biçimde tanımlanmış bir hedefe sahip ve kısa, faydalı bir sonuç dönebiliyorsa alt ajanlar en mantıklı seçenektir.

Özetle, basit değişiklikleri ana oturumda tutup belirli düzeltmeleri alt ajanlara devredin.

Sadece tokenları değil, gereksiz işi azaltın

Token kullanımını azaltmak bir denge işidir ve bu numaralar her zaman işe yaramaz. Ancak, LLM faydalı bir sonuca ulaşmadan önce gereksiz bağlam veya işi ortadan kaldırmak kesinlikle yardımcı olur. Uzun araştırmalar için alt ajanlar eklerseniz, bağlam üzerinde daha fazla kontrol kazanabilir ve projenize mutlaka katkıda bulunmayan kaynakları harcamaktan kaçınabilirsiniz.

Claude, Anthropic tarafından geliştirilen bir yapay zeka asistanı ve LLM’dir.