بر اساس گزارش XDA Developers، استفاده از Claude برای عیب‌یابی راهکارهای میزبانی شخصی (Self-Hosting) بسیار رایج است؛ از بررسی لاگ‌های Docker تا ساخت اپلیکیشن‌ها و داشبوردهای کوچک. با این حال، رها کردن مدل زبانی روی یک پروژه می‌تواند به‌سرعت مصرف توکن (Token) و سهمیه استفاده را بالا ببرد. نکته مهم این است که پیچیدگی ظاهری کار همیشه عامل اصلی مصرف توکن نیست؛ نحوه کاوش فایل‌ها یا بارگذاری دستورالعمل‌ها نیز بر نرخ مصرف توکن اثر می‌گذارد.
مصرف توکن فقط به پیچیدگی کار بستگی ندارد
نویسنده این تجربه نشان می‌دهد که بهره‌گیری بهتر از Claude تنها به نوشتن پرامپت دقیق‌تر محدود نمی‌شود؛ بلکه به سازمان‌دهی پروژه و واگذاری کارها به مدل زبانی نیز مربوط است. Anthropic چند قابلیت برای همین مسئله ارائه کرده است. دو راهکار مؤثرتر در کاهش مصرف توکن عبارت‌اند از خارج کردن دستورالعمل‌ها از بافت همیشه‌بارگذاری‌شده (Always-Loaded Context) و استفاده از زیرعامل‌ها (Subagents) برای جداسازی وظایف.
فایل CLAUDE.md را سبک نگه دارید
هنگام کار روی یک پروژه در Claude Code، مدل باید ساختار پوشه‌ها را بفهمد، بداند برنامه چگونه اجرا می‌شود و دستورالعمل‌های مشخص پروژه را دنبال کند. راه‌حل ساده این است که همه‌چیز در فایل CLAUDE.md در ریشه پروژه قرار گیرد. مشکل اینجاست که این فایل تقریباً در آغاز هر جلسه بارگذاری می‌شود و Claude کل بافت (Context) را با خود حمل می‌کند، حتی وقتی ارتباطی با موضوع جلسه ندارد.
رویکرد بهتر این است که فایل md را به‌عنوان راهنمای پروژه در نظر بگیریم، نه مخزنی برای همه دستورالعمل‌های احتمالی. می‌توان مجموعه‌ای از فایل‌های دستورالعمل جداگانه ساخت و در CLAUDE.md مسیر فایل‌های مرتبط با هر زمینه را به مدل نشان داد. برای پروژه‌های Docker و برنامه‌های میزبانی شخصی، این روش بسیار کارآمد است؛ زیرا نیازی نیست Claude برای یک تغییر کوچک در تنظیمات، همه اطلاعات مربوط به فایل‌های Compose، تنظیمات برنامه، اسکریپت‌ها و مستندات را بارگذاری کند.
در این ساختار، CLAUDE.md اصلی شامل موارد ضروری است: پروژه چه کاری انجام می‌دهد، فایل‌های اصلی کجا قرار دارند، چه دستورهایی برای اجرای تست‌ها استفاده می‌شود و چه محدودیت‌های مهمی وجود دارد. دستورالعمل‌های تفصیلی هر بخش می‌تواند نزدیک به فایل‌های همان بخش قرار بگیرد. برای نمونه، اگر پروژه پوشه‌های جداگانه فرانت‌اند و بک‌اند دارد، می‌توان در هر پوشه یک فایل CLAUDE.md ساخت تا Claude Code هنگام کار با فایل‌های همان بخش، دستورالعمل‌های مرتبط را بارگذاری کند.
فایل‌های دستورالعمل و مهارت‌های جداگانه برای وظایف تخصصی
برای جریان‌های کاری پرتکرار نیز می‌توان از مهارت‌ها (Skills) استفاده کرد. نویسنده به‌طور منظم از Claude برای بررسی مشکلات مرتبط با Docker هنگام راه‌اندازی یک سرویس کمک می‌گیرد. با تعریف یک مهارت می‌توان جریان کاری مشخص کرد: فایل‌های تنظیمات کجا هستند، چه دستورهایی باید اجرا شوند و نتایج چگونه گزارش شوند. Claude می‌تواند این رویه را در زمان نیاز بارگذاری کند، نه اینکه آن را در دستورالعمل‌های اصلی پروژه بگنجاند.
زیرعامل‌ها؛ راهی برای جلوگیری از حجیم شدن جلسه اصلی
زیرعامل‌ها (Subagents) یکی از مؤثرترین روش‌ها برای کاهش هزینه توکن هستند. برای مثال، وقتی یک کانتینر Docker بالا نمی‌آید، ممکن است لازم باشد لاگ‌های آن بررسی شود، تنظیمات Compose کنترل شود و مجوزهای والیوم (Volume) تأیید شود. هر یک از این مراحل اطلاعات تازه‌ای به گفت‌وگوی اصلی اضافه می‌کند و اگر Claude چند فایل لاگ بزرگ و فایل‌های تنظیمات نامرتبط را بخواند، هزینه توکن افزایش می‌یابد.
زیرعامل‌ها در Claude Code این وظایف را جدا می‌کنند. یک زیرعامل در پنجره بافت (Context Window) مستقل خود کار می‌کند و می‌تواند مسئله‌ای مشخص را بررسی کند و سپس یافته‌هایش را به جلسه اصلی برگرداند. این قابلیت زمانی مفید است که یک کار شامل مراحل مشخص و مستقل باشد. برای نمونه، اگر یک برنامه میزبانی شخصی خطای پایگاه داده گزارش دهد، می‌توان به‌جای در اختیار گذاشتن کل بافت نصب، کاربرد برنامه و لاگ‌های پایگاه داده، یک زیرعامل را مأمور بررسی خطاهای راه‌اندازی پایگاه داده، بازبینی لاگ‌های مرتبط و شناسایی محتمل‌ترین علت کرد. سپس زیرعامل می‌تواند خلاصه‌ای کوتاه همراه با شواهد ارائه دهد. این کار بررسی را متمرکز نگه می‌دارد و مانع از آن می‌شود که جلسه اصلی به کل بافت نیاز پیدا کند.
زیرعامل‌ها راه‌حل همیشگی نیستند
باید توجه داشت که زیرعامل‌ها راه‌حل یکجای همه مشکلات نیستند. باید آگاهانه تصمیم گرفت که آیا استفاده از زیرعامل مناسب است یا نه. زیرعامل‌ها منابع خود را مصرف می‌کنند و کارشان می‌تواند مجموع مصرف توکن را افزایش دهد، حتی اگر بافت حمل‌شده توسط جلسه اصلی را کاهش دهد. بنابراین، زیرعامل‌ها زمانی بیشترین سود را دارند که بررسی موضوعی قابل‌توجه، هدفی روشن و نتیجه‌ای کوتاه و کاربردی داشته باشد. تغییرات ساده بهتر است در جلسه اصلی انجام شوند و کارهای مشخص و سنگین به زیرعامل‌ها سپرده شوند.
کاهش مصرف توکن یک توازن است و حتی این ترفندها هم همیشه جواب نمی‌دهند. با این حال، پرهیز از بافت یا کار غیرضروری پیش از رسیدن مدل زبانی به نتیجه مفید قطعاً کمک‌کننده است. افزودن زیرعامل‌ها برای پژوهش‌های طولانی می‌تواند کنترل بیشتری بر بافت بدهد و از صرف منابعی جلوگیری کند که لزوماً به پیشرفت پروژه کمکی نمی‌کنند.