La vraie raison pour laquelle votre limite Claude se remplit vite
Pour être direct, ce n'est pas que le modèle est devenu moins intelligent ; c'est que mes frais généraux ont augmenté.
Mais des astuces superficielles comme « raccourcir CLAUDE.md » ne suffisent pas. Vous devez comprendre la structure de la fuite pour vraiment l'arrêter.
(Je sais que beaucoup de débutants en IA risquent de ne pas comprendre même après avoir lu cela. Je vais donc inclure des prompts à la fin que même les débutants peuvent utiliser. Si vous ne comprenez pas, copiez-collez simplement. J'espère que vous en tirerez au moins quelque chose !)
Modèle mental de base (cela explique 90 % du problème)
Les Transformers retraitent l'intégralité de la conversation depuis le début à chaque tour.
Lorsque vous envoyez le 30e message, ce que le modèle lit est : → Messages 1–29 + toutes les réponses → Tous les résultats d'appels d'outils (diffs PR, lectures de fichiers, etc.) → CLAUDE.md → Prompt système → Définitions des outils MCP → + le 30e message.
Il traite tout cela avant même de commencer à répondre.
En d'autres termes, le 30e tour n'est pas 30 fois le 1er tour ; c'est la somme de tout ce qui a été accumulé, traitée à chaque fois.
À partir de là, vous pouvez naturellement voir pourquoi les tokens fuient.
9 trous par où fuient les tokens
Les pourcentages dans la source originale (14 %, 13 %...) proviennent du cas d'une seule personne et sont risqués à généraliser. Je les ai réorganisés par impact.
- Gonflement de CLAUDE.md — Impact ★★★ Il est inclus dans chaque message tant que la session est active. Il n'est pas chargé paresseusement. Un CLAUDE.md de 2 000 tokens traité 200 fois pour 200 messages = 400 000 tokens. Recommandation officielle : Moins de 200 lignes, 300–600 tokens.
- Accumulation de la conversation — Impact ★★★ Exactement comme le décrit le modèle mental. Ce n'est pas étrange que votre limite se remplisse à 60 % après deux ou trois revues de PR ; c'est structurel.
- Accumulation des résultats d'outils — Impact ★★★ Récupérer un diff PR une fois peut injecter des milliers de lignes. Si vous lisez 20 fichiers, ces 20 fichiers vous suivent jusqu'à la fin. C'est plus précis que les « hooks » mentionnés dans d'autres sources.
- Ratés du cache — Impact ★★ La mise en cache des prompts est appliquée automatiquement mais expire si elle n'est pas utilisée pendant une certaine période (courte). Si vous modifiez fréquemment CLAUDE.md en cours de session, le cache se casse à chaque fois.
- Compétences — Impact ★ (La source originale était légèrement erronée) Les compétences ne sont chargées que lorsqu'elles sont appelées. Seules les métadonnées restent. Le vrai problème est lorsqu'une seule compétence devient gonflée.
- MCP « au cas où » — Impact ★★ Si 12 MCP sont connectés, 12 définitions d'outils sont injectées dans chaque appel. Gardez seulement les 3 que vous utilisez réellement comme actifs.
- Réflexion étendue par défaut — Impact ★★★ Généralement activé par défaut. Le budget peut atteindre des dizaines de milliers de tokens (facturés en sortie). C'est un vrai gaspillage si la réflexion approfondie est activée juste pour changer un nom de variable.
- Regarder une mauvaise réponse jusqu'au bout — Impact ★★ Si la réponse part en vrille, arrêtez-la immédiatement. Sinon, toute cette sortie devient l'entrée du tour suivant.
- Notifications/messages méta cumulés — Impact ★ Faible, mais ils deviennent des « contrevenants silencieux » lorsqu'ils s'accumulent.
Toujours diagnostiquer avant de corriger
C'est la partie que les gens oublient.
/context ← Affiche les tokens par élément dans le contexte
/usage ← Utilisation de la session
/cost ← Coût cumulé de l'API
Exécuter /context une seule fois vous montrera la fuite n°1 dans votre cas en moins de 5 secondes.
La plupart des résultats sont similaires :
- Les résultats d'outils accumulés sont écrasants en n°1
- CLAUDE.md
- Définitions des outils MCP
Couper sans mesurer est un effort inutile. Coupez d'abord votre fuite n°1.
Base de référence en 30 secondes (faites-le une fois et c'est réglé)
✅ Régimez votre CLAUDE.md à moins de 200 lignes
✅ Gardez seulement 3 MCP actifs
✅ Réflexion étendue → Désactivée par défaut, utilisez-la seulement quand nécessaire
✅ .claudeignore → Excluez les gros fichiers générés
✅ Prenez l'habitude de /clear une fois une tâche terminée
7 astuces avancées à fort impact
① Faire du mode Plan le mode par défaut
Shift+Tab × 2 avant les tâches coûteuses. Planifiez sans toucher au code. Utilisez-le pour des demandes larges comme « Refactorise ceci ». Cela réduit le plus significativement le ratio de tokens brûlés sur des efforts inutiles.
② Changement de modèle
80 % Codage quotidien → Sonnet ; Raisonnement complexe → Opus. Commandes : /model sonnet, /model opus.
Mode OpusPlan : Planifiez avec Opus, implémentez avec Sonnet. Peut économiser 60 % des coûts.
③ Utiliser les sous-agents de manière sélective
Ils s'exécutent dans un contexte séparé et ne renvoient qu'un résumé à la session principale. Utilisez-les seulement pour une exploration lourde—pour les petites tâches, les frais généraux sont en fait plus importants. Règle : Seulement quand (contexte principal économisé > coût de démarrage du sous-agent).
④ Utiliser `/compact` de manière proactive
Attendre l'avertissement de contexte à 80 % est trop tard. Cela comprimera tout le bruit.
Utilisation correcte :
- À la fin de chaque phase de tâche
- Donnez un guide de résumé avant d'appeler
/compact: « Garde seulement X, Y, Z et jette le reste. »
⑤ Lire avec des plages de fichiers précises
❌ « Regarde toute la base de code »
✅ « Regarde seulement les lignes 50-120 de src/auth.js et améliore la gestion des erreurs »
La différence est énorme.
⑥ Notes de passation de session
Avant de terminer une longue session :
« Résume le travail effectué jusqu'à présent, les prochaines étapes et les décisions importantes en moins de 500 tokens. »
Collez ceci dans la session suivante = des dizaines de fois moins de tokens que de reconstruire tout l'historique.
⑦ Utiliser les commandes slash pour les tâches répétitives
N'expliquez pas les motifs fréquents (formats de revue PR, règles de test) en langage naturel à chaque fois. Définissez-les comme commandes slash → Déterministes et légères. Beaucoup plus efficaces que de les mettre dans CLAUDE.md.
Pièges courants
❌ « C'est pratique de tout mettre dans CLAUDE.md » → Vous payez ce coût à chaque tour.
❌ « Les sous-agents sont toujours moins chers » → En fait plus chers pour les petites tâches.
❌ « Un contexte plus large le rend plus intelligent » → Inverse. La qualité chute à cause de la pourriture du contexte.
❌ « Passer de Pro à Max résoudra le problème » → La même inefficacité devient juste 5 fois plus chère. Corrigez d'abord les fuites.
Le gaspillage de tokens est un problème de comportement, pas un problème de limite.
Exécuter /context une fois, mettre CLAUDE.md au régime, organiser les MCP et contrôler la Réflexion étendue résoudra la plupart des problèmes.
Rappelez-vous que chaque message paie le coût de tous les messages précédents, et vous verrez où couper.
Prompts pour les débutants
Pour les utilisateurs de Claude Code (Auto-diagnostic et régime)
Exécute la commande /context et analyse les résultats.
Ensuite, fais ce qui suit dans l'ordre :
1. Dis-moi les 1 à 3 éléments qui prennent le plus de tokens.
2. Pour chacun, suggère une action spécifique que je peux faire maintenant pour les réduire (y compris les économies de tokens estimées).
3. Lis mon CLAUDE.md et suggère une version allégée de moins de 200 lignes / 600 tokens. Recommande où déplacer les éléments supprimés (Compétences ? Commandes slash ? Ou simplement supprimer ?).
4. Enfin, vérifie d'autres fuites comme la Réflexion étendue ou l'organisation des outils MCP.
Comme je suis débutant, priorise les résultats en « À faire maintenant / À faire quand tu as le temps. »
Pour les utilisateurs de Claude.ai Chat (Hygiène de conversation)
Copiez-collez lorsque la conversation devient longue et que les réponses ralentissent ou que les limites se resserrent :
Résume uniquement les informations vraiment importantes de cette conversation en moins de 500 caractères. Exclus les essais-erreurs, les digressions et les salutations ; concentre-toi uniquement sur les conclusions principales, les décisions et les prochaines étapes. Je vais copier ceci pour commencer une nouvelle conversation, alors organise-le pour que je puisse reprendre le travail immédiatement après l'avoir collé là-bas.
Récupérer ces deux prompts vous aidera à utiliser l'IA plus confortablement sans gaspiller de tokens ! Si cela vous a été utile, n'hésitez pas à laisser un like !
Si vous avez d'autres questions, laissez-les dans les commentaires~
