Новость

8 способов снизить затраты на AI-агентов: опыт реального продукта и готовые промпты

1 источник

Все новости

Юля Гончарова рассказывает, как в мультиагентной системе на базе Claude Sonnet 4.6 удалось снизить расходы на токены. Основной эффект дала работа с памятью Anthropic и сокращение повторного чтения контекста.

Юля Гончарова, продакт, дизайнер и solo founder, делится опытом создания веб-приложения с мультиагентной системой на Claude Code. В продукте несколько агентов отвечают за регистрацию, постановку целей, регулярные чек-ины, ежедневный чат-помощник и симуляцию интро-встречи с инвестором. Автор отмечает, что при каждом ответе AI приходится заново учитывать весь накопленный контекст, инструкции и историю диалога, а это увеличивает стоимость работы. Существенную экономию удалось получить за счет использования памяти Anthropic: нужные фрагменты можно сохранять так, чтобы не заставлять модель каждый раз перечитывать весь контекст.

Источники 1
  • 8 способов снизить затраты на AI-агентов: опыт реального продукта и готовые промпты Habr AI 
    8 способов сделать AI-агента дешевле: опыт реального продукта и готовые промпты для вайбкодеров

Всем привет! Я Юля Гончарова — продакт, дизайнер и... «вайбкодер». Последний год я строю продукты в одиночку с помощью Claude Code — от идеи и UX до кода и запуска. В этой статье расскажу про один из таких проектов: стартап, который я уже третий месяц развиваю как solo founder.  Здесь я поделюсь тем, как мне удалось снизить затраты на токены, оставшись на модели Claude Sonnet 4.6.

Для понимания контекста: продукт, о котором идет речь — это веб-приложение с мультиагентной системой. Один агент собирает данные о пользователе при регистрации, второй помогает ему подобрать и сформулирвоать цель (продуктом пользуются оснвоатели стартапов ранней стадии), третий ведет регулярный чек-ин (синк-сессии), четвертый — ежедневный чат-помощник, через которого пользователь может управлять любым функционалом, включая заполнения профиля-питч-дека или смены расписания синков. А еще есть индивидуальные агенты у инвесторов: те, которые настроены по параметрам конкретного фонда, такие агенты проводят интро-встречу с основателем (симуляцию питча инвестору). Агенты передают друг другу эстафету (например, после сбора данных передают управление агенту постановки цели) и координируются через общие данные, которые читают и пишут все вместе (профиль пользователя, цели, журнал событий) — а не общаются друг с другом напрямую.

Каждый раз, когда AI отвечает, агенту приходится заново «прочитать» весь предыдущий разговор, накопленный контекст по проекту и все свои инструкции — и это стоит денег на каждый ответ. Представьте, что перед каждой репликой в разговоре человек должен перечитывать всю переписку с начала. AI-провайдер (Anthropic) разрешает сказать: «вот этот кусок запомни, не заставляй меня платить за перечитывание». Но у этой «памяти» есть срок годности — и именно то, как мы её использовали, дало основную экономию. Читать далее

#вайбкодинг #вайб_кодинг #вайб_программирование #токены_llm #оптимизация_запросов #claude_code #claude | @habr_ai