🛠 Фоновые задачи AI-агента сжигали 4,6 млн токенов в день Разбор утечек в агенте Mickey на OpenClaw показал: основная статья расходов — не сложный анализ, а раздутая обвязка. Cron-задачам выдавались все 200+ инструментов системы, даже если им нужны были только чтение файла и проверка процесса. Одно лишь описание доступных инструментов съедало 50 тыс. токенов до начала любой полезной работы. Частота запусков усугубляла проблему: healthcheck просыпался каждые 10 минут, watchdog — каждые 15, kill-runaway — каждые 30, генерируя десятки миллионов токенов в день на многократные перепроверки одного и того же. Статусные запросы вроде «что с токенами?» обрабатывались так, будто агенту поручили полный аудит: он поднимал логи, анализировал десятки сессий и тратил до 1,35 млн токенов на ответ. Переход на заранее подготовленный cron-отчёт на дешёвой модели сжал эту цифру до 2 тыс. токенов — разница в 675 раз. Диагностику браузера, VNC и проверки процессов вынесли в изолированные вспомогательные агенты на лёгкой модели (ollama-cloud-gemma4-31b), которые возвращают короткую выжимку в основную сессию. Для фоновых задач инструментарий урезали до 2–5 действительно нужных: только read, exec, sessions_list и sessions_history, без Elementor, WordPress и генерации изображений. Частоту cron-задач снизили: watchdog — с 15 минут до 30, shell-healthchecks — с 10 до 30, kill-runaway — с 30 до 60. Суммарная экономия составила 4,6 млн токенов в день, в том числе 3,7 млн на задаче dashboard-label-watchdog. Это 84% фонового потребления — без ухудшения качества работы. Подробные метрики и скрипты описаны автором на Хабре. Интересно, что оптимизация свелась не к смене модели или промптов, а к банальному системному администрированию: убрать лишнее, снизить частоту, кешировать. Многие команды, внедряющие агентов, всё ещё смотрят на LLM как на чёрный ящик, игнорируя управление — но именно там счёт за токены растёт быстрее всего. #AIagent #токены #оптимизация #OpenClaw