A Verdadeira Razão Pela Qual Seu Limite do Claude Acaba Rápido
Para ser direto, não é que o modelo ficou mais burro; é que meu custo indireto aumentou.
Mas dicas superficiais como "encurtar o CLAUDE.md" não são suficientes. Você precisa entender a estrutura de por que ele vaza para realmente pará-lo.
(Sei que muitos iniciantes em IA podem não entender mesmo depois de ler isso. Então, incluirei prompts no final que até iniciantes podem usar. Se você não entender, apenas copie e cole. Espero que você tire pelo menos algo disso!)
Modelo Mental Central (Isso explica 90% do problema)
Transformers reprocessam toda a conversa desde o início a cada interação.
Quando você envia a 30ª mensagem, o que o modelo lê é: → Mensagens 1–29 + todas as respostas → Todos os resultados de chamadas de ferramentas (diffs de PR, leituras de arquivos, etc.) → CLAUDE.md → Prompt do Sistema → Definições de ferramentas MCP → + a 30ª mensagem.
Ele processa tudo isso antes mesmo de começar a responder.
Em outras palavras, a 30ª interação não é 30 vezes a 1ª; é a soma de tudo acumulado, processado a cada vez.
Partindo daqui, você pode ver naturalmente por que os tokens estão vazando.
9 Buracos Por Onde os Tokens Vazam
As porcentagens na fonte original (14%, 13%...) são de um caso específico e arriscado de generalizar. Eu as reorganizei por impacto.
- Inchaço do CLAUDE.md — Impacto ★★★ Ele é incluído em toda mensagem enquanto a sessão estiver ativa. Não é carregado sob demanda. Um CLAUDE.md de 2.000 tokens processado 200 vezes para 200 mensagens = 400.000 tokens. Recomendação oficial: Menos de 200 linhas, 300–600 tokens.
- Acúmulo de Conversa — Impacto ★★★ Exatamente como o modelo mental descreve. Não é estranho que seu limite encha 60% após duas ou três revisões de PR; é estrutural.
- Acúmulo de Saída de Ferramentas — Impacto ★★★ Buscar um diff de PR uma vez pode injetar milhares de linhas. Se você ler 20 arquivos, esses 20 arquivos te acompanham até o fim. Isso é mais preciso do que os "ganchos" mencionados em outras fontes.
- Perdas de Cache — Impacto ★★ O cache de prompt é aplicado automaticamente, mas expira se não for usado por um certo período (curto). Se você editar o CLAUDE.md com frequência no meio da sessão, o cache quebra toda vez.
- Habilidades — Impacto ★ (A fonte original estava ligeiramente errada) As habilidades são carregadas apenas quando chamadas. Apenas os metadados permanecem. O verdadeiro problema é quando uma única habilidade fica inchada.
- MCP "Por Via das Dúvidas" — Impacto ★★ Se 12 MCPs estão conectados, 12 definições de ferramentas são injetadas em cada chamada. Mantenha apenas as 3 que você realmente usa como ativas.
- Pensamento Estendido Padrão — Impacto ★★★ Geralmente ativado por padrão. O orçamento pode chegar a dezenas de milhares de tokens (cobrados como saída). É um verdadeiro desperdício se o raciocínio profundo estiver ativo apenas para mudar o nome de uma variável.
- Assistir a uma Resposta Errada até o Fim — Impacto ★★ Se a resposta sair do rumo, pare-a imediatamente. Se não fizer isso, toda aquela saída se torna entrada para a próxima interação.
- Notificações/Mensagens Meta Acumuladas — Impacto ★ Pequenas, mas se tornam "ofensoras silenciosas" quando acumuladas.
Sempre Diagnostique Antes de Corrigir
Esta é a parte que as pessoas perdem.
/context ← Exibe tokens por item no contexto
/usage ← Uso da sessão
/cost ← Custo cumulativo da API
Executar /context apenas uma vez mostrará o vazamento nº 1 no seu caso em 5 segundos.
A maioria dos resultados é semelhante:
- Saídas de ferramentas acumuladas são o nº 1 esmagador
- CLAUDE.md
- Definições de ferramentas MCP
Cortar coisas sem medir é perda de esforço. Corte seu vazamento nº 1 primeiro.
Linha de Base de 30 Segundos (Faça isso uma vez e pronto)
✅ Faça dieta do seu CLAUDE.md para menos de 200 linhas
✅ Mantenha apenas 3 MCPs ativos
✅ Pensamento estendido → Desligado por padrão, use apenas quando necessário
✅ .claudeignore → Exclua arquivos grandes gerados
✅ Torne /clear um hábito assim que uma tarefa for concluída
7 Dicas Avançadas com Grande Impacto
① Torne o Modo de Planejamento o Padrão
Shift+Tab × 2 antes de tarefas caras. Planeje sem tocar no código. Use isso para solicitações amplas como "Refatore isso". Reduz significativamente a proporção de tokens queimados em esforço desperdiçado.
② Troca de Modelo
80% Codificação Diária → Sonnet; Raciocínio Complexo → Opus. Comandos: /model sonnet, /model opus.
Modo OpusPlan: Planeje com Opus, implemente com Sonnet. Pode economizar 60% nos custos.
③ Use Subagentes Seletivamente
Eles são executados em um contexto separado e retornam apenas um resumo para a sessão principal. Use apenas para exploração pesada — para tarefas pequenas, a sobrecarga é realmente maior. Regra: Apenas quando (contexto principal economizado > custo inicial do subagente).
④ Use /compact Proativamente
Esperar pelo aviso de 80% de contexto é tarde demais. Ele comprimirá todo o ruído.
Uso correto:
- No final de cada fase da tarefa
- Dê um guia de resumo antes de chamar /compact: "Mantenha apenas X, Y, Z e descarte o resto."
⑤ Leia com Intervalos de Arquivo Precisos
❌ "Olhe para toda a base de código"
✅ "Olhe apenas para as linhas 50-120 de src/auth.js e melhore o tratamento de erros"
A diferença é enorme.
⑥ Notas de Transferência de Sessão
Antes de encerrar uma sessão longa:
Resuma o trabalho feito até agora, próximos passos e decisões importantes em menos de 500 tokens.
Cole isso na próxima sessão = dezenas de vezes menos tokens do que reconstruir todo o histórico.
⑦ Use Comandos de Barra para Tarefas Repetitivas
Não explique padrões frequentes (formatos de revisão de PR, regras de teste) em linguagem natural toda vez. Defina-os como comandos de barra → Determinísticos e leves. Muito mais eficiente do que colocá-los no CLAUDE.md.
Armadilhas Comuns
❌ "É conveniente colocar tudo no CLAUDE.md" → Você paga esse custo a cada interação.
❌ "Subagentes são sempre mais baratos" → Na verdade, mais caros para tarefas pequenas.
❌ "Contexto maior torna mais inteligente" → O oposto. A qualidade cai devido à deterioração do contexto.
❌ "Atualizar de Pro para Max vai resolver" → A mesma ineficiência fica 5x mais cara. Conserte os vazamentos primeiro.
O desperdício de tokens é um problema comportamental, não um problema de limite.
Executar /context uma vez, fazer dieta do CLAUDE.md, organizar MCP e controlar o Pensamento Estendido resolverá a maioria dos problemas.
Lembre-se de que cada mensagem paga o custo de todas as mensagens anteriores, e você verá onde cortar.
Prompts para Iniciantes
Para usuários do Claude Code (Autodiagnóstico e conjunto de dieta)
Execute o comando /context e analise os resultados.
Então, faça o seguinte em ordem:
1. Diga-me os 1-3 itens principais que estão consumindo mais tokens.
2. Para cada um, sugira uma ação específica que eu possa tomar agora para reduzi-los (incluindo economia estimada de tokens).
3. Leia meu CLAUDE.md e sugira uma versão reduzida para menos de 200 linhas / 600 tokens. Recomende onde mover os itens removidos (Habilidades? Comandos de barra? Ou apenas deletar?).
4. Finalmente, verifique outros vazamentos como Pensamento Estendido ou organização de ferramentas MCP.
Como sou iniciante, por favor, priorize os resultados em "Faça agora / Faça quando tiver tempo."
Para usuários do Claude.ai Chat (Higiene de Conversa)
Copie e cole quando a conversa ficar longa e as respostas ficarem lentas ou os limites apertarem:
Resuma apenas as informações verdadeiramente importantes desta conversa em menos de 500 caracteres. Exclua tentativa e erro, digressões e saudações; concentre-se apenas nas conclusões principais, decisões e próximos passos. Vou copiar isso para iniciar uma nova conversa, então organize de forma que eu possa retomar o trabalho imediatamente após colar lá.
Apenas obter esses dois prompts ajudará você a usar IA mais confortavelmente sem desperdiçar tokens! Se isso foi útil, por favor, dê um like!
Se você tiver outras perguntas, deixe-as nos comentários~
