Как оптимизировать Claude для максимальной эффективной работы с Fable

🦧 Подпишись на канал: https://t.me/cryptomokakke 📚 Больше статей: https://t.me/smart_sorting ✍️ Перевод: https://x.com/ksimback/status/2072752017186107866?s=52 TL;DR: Fable — крайне прожорливая до токенов модель. Если не принять меры, вы моментально исчерпаете лимиты или получите огромный счет за использование API. В этом руководстве собраны все советы по оптимизации вашей конфигурации. Вы научитесь использовать Fable стратегически, а не гонять её на задачах, где такая мощность избыточна.

Вы можете просто прочесть эту статью, но лучше скопировать её текст и отправить в Claude со следующим промптом:

Прочитай эту статью и помоги мне оптимизировать мою конфигурацию для стратегического использования Fable.

Обзор

Fable 5 возвращается. Но прежде чем загружать в неё все свои промпты подряд, учтите: она потребляет колоссальное количество токенов, а стоимость одного токена весьма высока. Поэтому лучше оптимизировать рабочее окружение и задействовать модель только там, где она раскрывается на максимум, оставив простые и быстрые задачи менее дорогим моделям.

Главный принцип — относиться к Fable как к ведущему инженеру (Senior Engineer): она планирует, принимает архитектурные решения, отлаживает сложные баги и проводит финальный ревью.

При этом она практически никогда не должна заниматься рутиной: грепать (искать через grep) файлы в репозитории, писать шаблонный код (boilerplate) или управлять браузером.

Всю объемную работу должны выполнять более дешевые модели (Sonnet, Opus или скоординированный Codex). Fable лишь оркеструет процесс и верифицирует результаты.

Эта статья построена на упомянутой философии и предлагает 7 конкретных рекомендаций (плюс бонус). Внедрите их, и ваш финансовый директор или бухгалтер позже скажут мне спасибо.

Фаза 1 — Аудит (сделайте это в первую очередь, до внесения изменений)

Изучи мою текущую конфигурацию и предоставь отчет по каждой рекомендации:

Прочитай файл ~/.claude/settings.json: обрати внимание на модель (используется ли версия с контекстом в 1 миллион токенов [1m]?), уровень вычислительных затрат (effortLevel) и глобально включенные плагины (enabledPlugins).
Прочитай файл ~/.claude/CLAUDE.md (если он существует): есть ли в нем правила маршрутизации моделей или делегирования задач субагентам?
Проверь директорию ~/.claude/agents/ на наличие кастомных конфигураций агентов с жестко закрепленными (pinned) моделями.
Проверь, установлен ли внешний CLI для работы с кодом (например, codex в переменной PATH) или навык (skill), который его оборачивает.

[!NOTE]Используй быстрые целевые проверки по конкретным путям, а не сканирование всей домашней директории, которое может упасть по таймауту.

Представь результаты аудита в виде краткой таблицы со столбцами: Рекомендация, Текущее состояние, Статус выполнения (Выполнено / Частично / Не выполнено).

Фаза 2 — Рекомендации

Для каждой нереализованной рекомендации объясни, что именно ты изменишь в МОЕЙ конкретной конфигурации, и спроси разрешения перед редактированием файлов. Применяй изменения строго поочередно.

1. Добавить раздел маршрутизации моделей в CLAUDE.md

Что сделать: Добавить постоянную инструкцию, которая жестко закрепляет, какая модель отвечает за определенный класс задач при запуске субагентов или воркфлоу-агентов.
Почему это экономит токены: По умолчанию субагенты наследуют модель основного цикла (main-loop). Если ваш основной цикл запущен на Fable, то каждый агент, созданный для поиска или реализации, будет втихую расходовать токены по тарифам Fable. Это главный источник скрытых расходов в конфигурациях с Fable.

Предлагаемый раздел для добавления в ~/.claude/CLAUDE.md:

Markdown

## Маршрутизация моделей и токенов
Fable (основной цикл) используется исключительно для: проектирования архитектуры, планирования, сложной отладки, финального ревью/синтеза и разбора неоднозначных задач. Все остальные задачи делегируются более дешевым моделям.

При запуске субагентов (инструмент Agent) или воркфлоу-агентов явно указывайте модель:
- **sonnet** (по умолчанию для любого поиска и анализа): поиск по файлам/коду, параллельный сбор информации (используйте тип агента Explore), анализ и суммаризация кодовой базы, сканирование логов, извлечение данных, стандартная реализация по четкому ТЗ, запуск QA-тестов, обновление документации. НЕ используйте haiku для исследовательских задач — поверхностный или неточный аналитический отчет субагента, принятый Fable за чистую монету, в итоге обойдется дороже, чем сэкономленные на токенах центы.
- **opus**: сложная реализация, глубокий код-ревью, нетривиальный рефакторинг.
- **без указания модели (наследование Fable)**: только для принятия архитектурных решений, экспертной верификации критически важных находок или синтеза результатов работы нескольких агентов.

Параметр Effort: используйте "low" для рутинных механических этапов, значение по умолчанию для обычной работы, и "high" / "xhigh" только для этапов верификации, оценки и проектирования.

Субагенты должны возвращать выводы со ссылками на конкретные строки файлов (file:line) — пересылать исходный код файлов целиком запрещено. Мы не должны платить по тарифам Fable за повторное чтение того, что дешевая модель уже прочитала; инструктируйте субагентов соответствующим образом в их промптах.

[!TIP]Примечание касательно исключения Haiku: Haiku отлично справляется с задачами в формате поиска совпадений («найди все места, где вызывается функция X»), но пасует перед задачами на понимание контекста («как здесь устроен флоу авторизации?»). Опасность в том, что она ошибается незаметно: выдает уверенный, правдоподобный, но слегка неверный отчет. Fable строит логику на его основе, и в итоге исправление «ложной карты» стоит гораздо больше, чем экономия на токенах. Поэтому Sonnet — это необходимый минимум для анализа кода. Если вы хотите выжать максимум оптимизации, попросите вернуть Haiku в пул задач, но строго для точечных поисковых операций.

2. Не используйте версию модели с контекстом 1M по умолчанию

Что сделать: Если в settings.json прописано "model": "claude-fable-5[1m]", замените значение на обычную "claude-fable-5", за исключением случаев, когда вам регулярно необходим контекст всей кодовой базы в рамках одной сессии.
Почему это экономит токены: На каждом шаге (turn) модель заново перечитывает весь накопленный контекст. Стоимость растет лавинообразно по мере удлинения сессии, а версия 1m позволяет раздувать историю чата гораздо сильнее, чем стандартная Fable.Описанная выше стратегия (когда субагенты сохраняют чистоту основного контекста) делает лимит в 1 млн токенов практически избыточным. Если вы все же решите оставить версию 1m, соблюдайте гигиену контекста: используйте команду /clear между несвязанными задачами, а также сохраняйте и восстанавливайте рабочее состояние вместо того, чтобы плодить бесконечные сессии.

3. Включайте ресурсоемкие плагины для конкретных проектов, а не глобально

Что сделать: Перенесите специфичные для конкретных проектов плагины (инструменты для веб-разработки/деплоя, паки агентов для ревью и любые инструменты со множеством навыков) из глобального списка enabledPlugins в ~/.claude/settings.json в локальные конфигурационные файлы .claude/settings.json соответствующих проектов.
Почему это экономит токены: Описание каждого навыка (skill) и агента из включенных плагинов загружается в контекст при старте любой сессии. Вы платите за их чтение из кэша по тарифу основной модели на каждом шаге. Например, более 60 навыков из тулкита для деплоя превращаются в чистые накладные расходы, если вы открыли проект, вообще не связанный с вебом. Оставляйте глобально только то, чем пользуетесь повсеместно.

4. Маршрутизируйте исследовательские задачи через явное переопределение моделей

Что сделать: Когда Claude запускает субагентов для исследования или поиска, она должна явно передавать параметр "model": "sonnet" (как указано в инструкции для CLAUDE.md из пункта 1). Для гарантированного соблюдения этого правила (на уровне конфигурации, а не просто текстовой инструкции) создайте кастомные профили агентов в директории ~/.claude/agents/ (например, explorer.md), жестко закрепив модель во фронтметтере (frontmatter) файла. Тогда маршрутизация не будет зависеть от того, «забыл» оркестратор применить правило или нет.
Почему это экономит токены: Исследовательская работа (exploration) — самый прожорливый процесс, так как параллельные поисковые агенты вычитывают десятки файлов. И Fable для этого абсолютно не нужна. Само чтение происходит по тарифу Sonnet, а в контекст Fable попадают уже готовые, сжатые выводы.
Известное исключение: Субагенты, созданные через ветвление контекста ("fork"), всегда наследуют модель основного цикла, поскольку они полностью копируют контекст текущей беседы. Снизить стоимость их работы таким образом не получится.

5. Субагенты должны возвращать факты и аргументы, а не дампы кода

Что сделать: Закрепить постоянное правило (оно уже включено в шаблон для CLAUDE.md в пункте 1): субагенты обязаны возвращать выводы со ссылками на файлы и строки (file:line), но никогда не прикреплять исходный код файлов целиком.
Почему это экономит токены (двойной эффект): Во-первых, Fable не платит за повторное чтение кода, который уже обработала дешевая модель. Во-вторых, это позволяет легко верифицировать результаты работы дешевых моделей: чтобы проверить ключевое утверждение, Fable достаточно прочитать пять конкретных строк кода вместо повторного запуска поискового воркфлоу. Это тот самый защитный барьер, который делает делегирование безопасным.

6. Делегируйте реализацию задач с четким ТЗ внешней модели

Что сделать: Если перед вами стоит задача по написанию большого объема кода с понятной спецификацией (создание каркаса приложения (scaffolding), написание миграций, CRUD-операций или автотестов), пусть Fable составит строгое и подробное ТЗ. Затем делегируйте саму рутинную генерацию кода внешнему управляемому CLI-инструменту (например, OpenAI Codex), после чего верните диффы (changesets) в Fable на финальный ревью.Добавьте соответствующее правило маршрутизации в CLAUDE.md, чтобы Claude самостоятельно использовала этот подход. Если внешний CLI не установлен или Codex не обнаружен, пропустите этот шаг (или предложите добавить поддержку CLI).
Почему это экономит токены: Самые дорогие этапы — это проектирование спецификации и финальный ревью кода, где требуется экспертное суждение. Сама же генерация кода — это чисто механический объем. Fable контролирует только сложные начальный и конечный этапы пайплайна, полностью пропуская ресурсоемкую середину.

7. Распределяйте уровень вычислительных затрат (Effort) по уровням, не выжимайте максимум без необходимости

Что сделать: Оставьте для сессии умеренный уровень затрат по умолчанию (effortLevel: medium или high). Режим xhigh приберегите для самых сложных стадий верификации, оценки или проектирования архитектуры, включая его точечно через переопределение настроек конкретного агента. Уровень max рассматривайте как инструмент для решения единичных тяжелых задач, а не для повседневной потоковой работы.
Почему это экономит токены: Более высокий уровень effort (мыслительных усилий) кратно увеличивает количество «рассуждающих» токенов (thinking tokens) на абсолютно каждом шаге. В большинстве повседневных запросов это не требуется. Там, где это действительно необходимо, параметр можно передать точечно для конкретного этапа. Вызовы воркфлоу и субагентов поддерживают переопределение effort для каждого отдельного вызова, поэтому масштабировать затраты можно хирургически точно, а не глобально.

Бонус: разгрузите систему от прожорливых мультимодальных задач

Автоматизация действий в браузере на основе скриншотов экранных форм (computer use) потребляет колоссальное количество токенов.

Если у вас подключен навык headless-браузера (управление без графического интерфейса, по DOM-дереву), добавьте в CLAUDE.md правило использовать преимущественно его. Принцип тот же, что и везде: дорогая модель должна получать сухой остаток и результаты, а не выполнять механическую работу по распознаванию интерфейсов.

Если вы дочитали до этого места — отправляйте текст статьи в Claude. И не забудьте поделиться материалом с коллегами, чтобы помочь им оптимизировать свои расходы на API!

🦧 Подпишись на канал: https://t.me/cryptomokakke
📚 Больше статей: https://t.me/smart_sorting
✍️ Перевод: https://x.com/ksimback/status/2072752017186107866?s=52