Эффективная работы с AI-агентами, как экономить токены

Привет, киты 🐳!

Наверно все уже видели ролик, где показан расход на токены при одинаковом наборе запросов к разным моделям AI.
Его тут не будет, а будет набор инструментов которые помогут экономить токены.

При работе с кодом (разработка)
- MCP для быстрой навигации по коду для агентов https://github.com/colbymchenry/codegraph — снижает использование токенов на 35%, утилит на 70%, работает локально
- Роутер для отправки простых задач и вопросов более дешевым моделям https://github.com/fendouai/CodexSaver
- Скилл для Calude.ai, что может сокращать использование токенов почти на 65% — https://github.com/juliusbrussee/caveman
- RTK прокси-сервер CLI, который снижает потребление токенов LLM на 60–90 % при выполнении стандартных команд для разработчиков — https://github.com/rtk-ai/rtk
- AgentMemory постоянная память для агентов https://github.com/rohitg00/agentmemory

Радикальные методы
Замена на локальную модель. Вот есть предобученный Qwen3 по базе Claude Sonet 4.6, пишет также хорошо — https://huggingface.co/hesamation/Qwen3.6-35B-A3B-Claude-4.6-Opus-Reasoning-Distilled-GGUF

Дополнительно
- Утилита для улучшения вашего AI-скилла https://github.com/microsoft/SkillOpt - гоняет скилл, проверяет и улучшает. Да вы потратите токены на это, но после будете тратить меньше, так как результат будете получать быстрее.

❓А вы какие обвязки для своих AI-агентов используете ?

#эффективность #ai-агегнты #ai #claude #codex #skills #ai-skill