Codex Token Kullanımımı Günlük 245 Milyondan 28 Milyona Nasıl Ücretsiz Düşürdüm (Aynı Hızla)

@TimJayas
İNGILIZCE1 ay önce · 08 Haz 2026
172K
434
29
6
1.3K

TL;DR

Bu rehber, veri ön sıkıştırma, komut çıktı sınırları ve yapılandırılmış devir dosyaları kullanarak günlük LLM token tüketimini 245 milyondan 28 milyona nasıl düşüreceğinizi, maliyetleri azaltırken hızı nasıl koruyacağınızı detaylandırıyor.

Codex promosyonu bittikten ve gerçek kotalar devreye girdikten sonra, günlük Codex token limitime çok daha hızlı ulaştığımı fark ettim.

Bu yüzden hızı etkilemeden harcadığım token miktarını azaltacak bir sistem buldum.

Bir gün: 245 milyon token

Sistemi oturtuktan sonraki gün: 28 milyon

İşte tam olarak değiştirdiklerim:

Adım 1: Ham Veriyi Asla Besleme, Önce Sıkıştır

Codex'in her seferinde 40 MB'lık işlem loguna, devasa JSON piyasa dökümüne veya tüm repoya ihtiyacı yok. Artık ona "iğne haritaları" oluşturan tek kullanımlık yardımcı betikler yazdırıyorum:

  • compact_logs.py → zaman damgası/sembol/anahtar kelimeye göre filtreler ve sadece en önemli N anomaliyi çıkarır
  • summarize_data.py → ilgili sütunları, satır sayılarını, örnekleri ve temel istatistikleri çıkarır
  • repo_map.py → giriş noktaları, yapılandırma, temel akışlar için temiz bir genel bakış oluşturur (venv, node_modules, build vb. atlanır)

10k+ tokenlik gürültü yerine 200-500 tokenlik damıtılmış içgörü besleyin.

Bir kere oluştur, sonsuza dek kullan.

Adım 2: Her Komut Çıktısını Agresifçe Sınırlandır

Varsayılan çıktı öldürücüdür:

  • git status
  • ls -la
  • cat file
  • python script.py

ani bağlam patlamasına yol açar.

Artık her talimata limitler ekliyorum:

text
1head -n 50, tail -n 50, grep "HATA" | head -n 30
2
3Tam sonuçları geçici dosyalara yaz ve sadece aralıkları incele
4
5Her yere --limit 100 bayrağı ekle

Adım 3: Canlı Bir Devir Teslim Dosyası Oluştur (Proje Beynin)

Ajanların her seansta her şeyi yeniden keşfetmesine izin vermeyi bırak.

Sıkı bir HANDOFF.md (1k token altı) tutuyorum, içinde şunlar var:

  • Mevcut hedef + başarı metrikleri
  • Anahtar dosyalar & son kararlar
  • Halihazırda çalıştırılmış komutlar + sonuçları
  • Bilinen sorunlar ve "tekrar okuma" listesi
  • Sonraki adımlar

Her seansı şununla bitir: "Mevcut bulguları HANDOFF.md'ye sıkıştır, çıkmaz sokakları temizle, sadece uygulanabilir gerçekleri tut."

Adım 4: Açık "Yapma" Talimatları Çok Büyük Token Tasarrufu Sağlar

Ajanlar başıboş dolaşmayı sever, bu yüzden kesin sınırlar koyuyorum:

  • "node_modules, .venv, dist, logs/archive, oluşturulan dosyalar ve tüm önbellek dizinlerini atla"
  • "Yeni bir dosyayı açmadan önce özetle"
  • "Açıkça söylemedikçe asla tam kaynak kodu yapıştırma"
  • "Sadece bu görev için gerekli dosyaları incele"

Bunları bir kere AGENTS.md dosyana ekle ve tekrar okumaların nasıl azaldığını izle.

Adım 5: Özet, Diff ve Parçacık Talep Et

Kötü komut:

text
1Bu dosyayı oku ve açıkla.

İyi komut:

text
1Risk motorunun pozisyon büyüklüğünü belirleme mantığını bul. Sadece o fonksiyonu + 3 satır üstünü/altını göster. Kenar durumu tek paragrafta açıkla.

Veya

text
11 sayfalık repo haritası oluştur: giriş noktaları, yapılandırma, ana veri akışları ve geriye dönük test komutları. Satıcı dizinlerini atla.

Hedefli istekler = küçük bağlam pencereleri

Adım 6: Codex'in Periyodik Olarak Kendi Bağlamını Sıkıştırmasını Sağla

Her 4-5 turda şunu atıyorum:

text
1İlerlememizi sıkı bir devir teslim notuna özetle. Tekrarları ve başarısız yolları çıkar. Devam etmek için gerekenleri tut.

Konuşma büyüdükçe bile zayıf kalır.

Adım 7: Varsayılan Olarak Ayrıntıları Öldür

text
1Öz ol. Sadece yamayı + tek cümlelik nedeni çıktıla. Değişmediyse planı tekrar belirtme. Gereksiz ayrıntı yok.

Bu tek kural başlı başına çıktı tokenlarını ciddi şekilde kırpar.

Her Gün Kullandığım Faydalı Komutlar ve Yardımcı Betikler

Bunlar, herhangi bir projenin ilk gününde kopyalayıp yapıştırdığım veya Codex'e oluşturttuğum tam satırlık komutlar ve betikler.

Her araç çağrısında zorladığım temel sınırlama komutları:

text
1# Güvenli dosya inceleme
2head -n 80 somefile.py | cat
3tail -n 80 somefile.py | cat
4grep -n "ANAHTARKELİME" file.py | head -n 40
5
6# Yangın hortumu olmadan Git
7git status --porcelain | head -n 30
8git log --oneline -15
9git diff --name-only | head -n 20
10
11# Veri ve loglar (işleme özel)
12tail -n 200 market_log.json | jq '.[-50:]' | head -n 100
13python -c "import pandas as pd; df = pd.read_csv('trades.csv'); print(df.head(20).to_string())" | head -n 150
14
15# Yaz-sonra-incele deseni
16python analyze_backtest.py > temp_results.txt 2>&1
17head -c 8000 temp_results.txt # güvenlik için bayt sınırı

Her zaman Codex'ten önce oluşturmasını istediğim yardımcı betikler (sonra kendim çalıştırırım):

  • compact_logs.py → python compact_logs.py --symbol BTC --hours 24 > summary.txt
  • repo_map.py → python repo_map.py > HANDOFF.md (beyin dosyasını günceller)
  • scan_errors.py → python scan_errors.py --limit 30 > errors.txt
  • summarize_json.py → python summarize_json.py market_snapshot.json > needle.txt

Uyguladığım tek öldürücü AGENTS.md kuralı (bilinmeyen her şeyi bayt sınırla):

text
1## Komut Çıktısı Koruması
2Çıktısı bilinmeyen veya potansiyel olarak büyük olan her komut bayt sınırlamasına tabi olmalıdır.
3Varsayılan: KOMUT 2>&1 | head -c 6000
4Daha fazlası gerekiyorsa, geçici dosyaya yaz ve sadece belirli aralıkları inceleyeceğim.

Veri yoğun görevler için yeniden kullandığım komut şablonu:

text
1Önce <500 tokenlik bir iğne haritası oluşturmak için compact_logs.py veya summarize_data.py'yi çalıştır. Sonra sadece onu analiz et. Ham dosyayı asla doğrudan okuma.

Bu komutlar ve betikler, büyük iş akışı değişikliklerinin üzerine günlük tüketimimi ek %30-40 daha azalttı.

**Yeni Kuralım:

50 satırlık bir özet yeterliyse Codex'in ham veriyi okumasına izin verme**

İlk haftada oluşturduğum yardımcı araçlar, her saat başı kendini amorti ediyor.

Token verimliliği bir model sorunu değil, bir sistem sorunudur. Sadece bağlam disiplinini çivileyin ve aynı kota içinde 8-10 kat daha fazla iş çıkaracaksınız.

Ayrıca gönderdiğim şeyler için daha hızlı kullanıcı bulmamı sağlayan www.RedLeads.app'i geliştiriyorum. Havalı sistemler ve araçları vibecode'layarak 10 bin $ MRR'ye hızlı geçişte bana katılın.

Teşekkürler :)

Tek tıkla kaydet

YouMind ile viral makaleleri AI derin okumayla incele

Kaynağı kaydedin, odaklı sorular sorun, argümanı özetleyin ve viral bir makaleyi tek bir AI çalışma alanında yeniden kullanılabilir notlara dönüştürün.

YouMind'ı keşfet
Üreticiler için

Markdown'ınızı temiz bir 𝕏 makalesine dönüştürün

Kendi uzun yazılarınızı yayımlarken görselleri, tabloları ve kod bloklarını 𝕏 için biçimlendirmek zahmetlidir. YouMind, eksiksiz bir Markdown taslağını temiz ve hemen paylaşılabilir bir 𝕏 makalesine dönüştürür.

Markdown'dan 𝕏'e deneyin

Çözülecek daha fazla kalıp

Son viral makaleler

Daha fazla viral makale keşfet