Короткий запрос, длинная история: куда уходят лимиты AI-агента
Кадр презентации: состав запроса в примере из доклада.
Написали агенту одно слово: «продолжай». Он ещё немного поработал, а доступный лимит снова уменьшился. В переписке почти ничего нового. На что тогда уходит ресурс, если большую часть задачи вы объяснили ещё в начале?
С этого вопроса удобно подойти к встрече ИИ-лаборатории «Экономика контекста: compact, память и помощники», которая прошла 7 октября 2026 года. Алексей показал разбор своих агентных сессий, а участники сопоставили его подход со своими задачами. Разговор о расходе токенов постепенно перешёл к тому, как сохранять результаты работы и доводить проекты до готовности.
Что стоит за короткой репликой
В докладе Алексей разобрал, из чего складывается запрос к модели и как в нём отражается предыдущая работа агента. На примерах сессий он сравнивал текущий размер контекста с накопленным расходом за всю работу. Отдельной темой стало кэширование: что именно участники учитывают, когда оценивают стоимость длинного диалога.
В этой части встречи были расчёты и разбор состава истории. Они помогают сформулировать более точный вопрос к собственному рабочему процессу: что агент успел прочитать и сделать за то время, пока мы отправили несколько коротких сообщений? Числа и сравнения из доклада есть в полной записи; это примеры конкретных сессий на дату встречи.
Кадр презентации: состав контекста в одной из разобранных сессий.
Сократить историю и не потерять сделанное
Следующая часть — о compact, сжатии истории разговора. Алексей обсуждал, что происходит с накопленными деталями после такого сжатия и как продолжать работу, если часть решений уже не помещается в короткую сводку.
Здесь разговор вышел за пределы счётчика токенов. Участники сравнивали способы хранить решения между сессиями и возвращаться к проекту без поиска нужной реплики в старом чате. Вопрос был вполне рабочий: как после перерыва понять, на чём остановились и каким результатам предыдущей сессии можно доверять?
Кадр встречи: Алексей показывает рабочие заметки в Obsidian.
Помощник может сэкономить работу. Или добавить её
Отдельный блок доклада был посвящён помощникам, которым основной агент поручает часть исследования. Алексей показывал разные варианты такой работы и сравнивал, что в итоге получает главная сессия. За одним словом «помощник» здесь скрываются разные процессы, поэтому сравнение получилось предметнее обычного совета делегировать всё более дешёвой модели.
Михаил Маркарьян привёл другой опыт: в его задачах пересказ исследования помощниками приводил к дополнительным раундам ревью. Обсуждение не свелось к выбору лучшей модели. Участники сопоставляли, где делегирование помогает и в какой момент приходится заново разбираться в уже прочитанном материале. Для читателя, который собирает собственную систему агентов, это повод посмотреть и доклад, и возражения к нему.
Проверки идут, а пользовательский сценарий всё ещё не готов
Ближе к концу встречи Кирилл описал задачу с экраном оплаты: после множества итераций при переключении тарифов всё ещё появлялись странные состояния. В процессе уже были спецификация, тесты и критики, но результат его не устраивал.
Разговор о токенах получил ещё одно измерение: сколько работы нужно до результата, который можно принять? Участники обсуждали инструкции агенту, затянувшееся ревью и проверку пользовательских сценариев. Готовое исправление этого экрана на встрече не демонстрировали; ценность фрагмента — в разборе самой ситуации и разных предложений, как искать причину.
Что есть в полной записи
В запись вошли расчёты Алексея, примеры агентных сессий, обсуждение памяти проекта и обмен опытом работы с помощниками. Подробные схемы и вопросы участников доступны в платных материалах ИИ-лаборатории.
Если лимиты уже влияют на ваш рабочий день, а новая сессия каждый раз начинается с восстановления контекста, посмотрите, как устроена Лаборатория и какие форматы участия доступны.