#оптимизация токенов

И инструменты ·19 июл 2026

Wiki Code Memory: как дать AI-агенту настоящую память (и сократить расходы на токены)

Автор объединяет два open-source проекта — claude-mem и knowledge-pipeline — чтобы решить проблему «амнезии» AI-агентов для кодирования. Вместо повторного объяснения контекста проекта в каждой сессии система создаёт персистентную память двух типов: эпизодическую (что произошло) и семантическую (что это значит).

0 99

И инструменты ·16 июл 2026

Как сэкономить на токенах при анализе кода с помощью LLM: опыт hh.ru

Команда hh.ru рассказала, как оптимизировала расходы на LLM-анализ тестового покрытия кода. Основные приёмы: не отправлять на анализ тривиальный код и неизменившиеся данные, использовать tree-sitter вместо LLM для парсинга, кэшировать результаты по хешу метода, сохранять прогресс после каждого батча и делить проблемные запросы пополам при ошибках.

0 174