контекст выбирается
repo map, retrieval и task slice заменяют передачу целого workspace. Aider показывает структурный путь для кода.
практическая рамка для снижения полного расхода токенов ai-агента. качество фиксируется gate, а open source даёт готовые рычаги экономии.
цель — сократить числитель. gate удерживает экономию от превращения в деградацию результата. дешёвый вызов с дорогим ретраем может тратить больше токенов, чем один точный маршрут.
рынок уже производит готовые рычаги для каждого источника расхода: контекст, tools, cache, routing, compression, retries и output. задача — найти крупнейший tax и менять один слой за раз.
repo map, retrieval и task slice заменяют передачу целого workspace. Aider показывает структурный путь для кода.
описание skill видно всегда; полная инструкция и references загружаются только после совпадения задачи.
поиск, классификация и сложный patch получают разные lanes, gates и понятное правило escalation.
cache-friendly layout отделяет правила и tools от изменяемой задачи и результатов исполнения.
LLMLingua и компактная сериализация полезны после удаления нерелевантного; код и policy остаются дословными.
traces считают полный token footprint. evals отвечают, принята ли работа. вместе они создают tokens per accepted task.
слои упорядочены от определения ценности к её наблюдаемой цене. каждый следующий слой имеет смысл только после предыдущего.
готовые starting points для разных источников token tax. каждый рецепт меняет один основной слой и проверяется paired experiment на одинаковых задачах.
видимый эксперимент для команды без большой agent platform.
готовый runtime, condenser и воспроизводимый coding benchmark.
для систем, где token tax создаёт большой каталог tools и skills.
для длинных prose, логов и структурированных tool results.
звёзды показывают распространённость, не fit. snapshot проверен через GitHub API 3 августа 2026; license и security требуют повторной проверки перед production use.
структурная карта репозитория и явный token budget.
agent runtime с конфигурируемым сжатием истории.
спецификация трёхступенчатой загрузки инструкций.
паттерн search + execute для больших API surfaces.
tool search и just-in-time сужение capability scope.
единый gateway, routing, budgets и usage surface.
маршрутизация между сильной и дешёвой моделью.
быстрый semantic decision layer до model call.
semantic cache для детерминированных read paths.
компрессия длинных prompts и документов.
компактная сериализация JSON-like результатов.
traces, cost analytics, prompts и evals.
open-source tracing и evaluation workbench.
observability, experiment comparison и evals.
воспроизводимые evals, red teaming и quality gates.
полная карта из 22 репозиториев, включая лицензии и даты обновления, лежит в starter pack.
начинать стоит с воспроизводимого token ledger. один крупнейший tax, один lever, пять парных задач.
реальных, повторяемых, сопоставимых.
до изменения stack.
trace, tokens, retries, wall time.
context, tools, routing, retry или output.
один repo или паттерн из карты.
одинаковая задача и gate.
качество стабильно, accepted cost ниже.
артефакты превращают исследование в входной контекст следующего агента. он начинает с выбора решения и эксперимента, не с повторного обзора рынка.
мета-скилл, audit prompt, benchmark contract, token ledger и market map.
скачать всё ↓ agent skill · mdнаходит крупнейший token tax и выбирает один готовый рычаг.
открыть ↓ prompt · mdстроит baseline token audit и paired experiment.
открыть ↓ contract · yamlфиксирует gate, variants и полный token-cost boundary.
открыть ↓ ledger · csvсчитает все токены, failed runs, стоимость и итог gate.
открыть ↓ market data · tsv22 проверенных репозитория в машиночитаемом виде.
открыть ↓используй приложенный token-economy-meta-ru-SKILL.md. цель — снизить полный расход токенов на accepted task. сначала зафиксируй gate и baseline на 5 реальных задачах. найди крупнейший token tax, выбери один open-source lever из market map и спроектируй paired experiment. учитывай failed runs, router, compressor и retries.
экономия становится системой только при явных границах. иначе метрика быстро учится выглядеть лучше за счёт качества, безопасности или скрытых вызовов.
карта собрана из репозиториев, спецификаций и официальной документации. snapshot датирован, потому что рынок движется быстрее любой презентации.