Этот конспект не сохранится

Закроешь вкладку — потеряешь. Зарегистрируйся — и он будет в библиотеке навсегда.

Telegram

Ваш конспект

YouTubeКак платить $5 вместо $200 за AI? Open Code + RTK + Caveman skill

🎯 Оптимизация расходов на AI-модели: работаем за $10 в месяц

Ключевые тезисы:

  • Стоимость доступа к мощным LLM (Claude, GPT) растёт, стандарт — ~$200/мес.
  • Использование AI-агентов для сложных задач значительно увеличивает расход токенов.
  • Существует способ получить доступ к качественным моделям за $5-10 в месяц с помощью оптимизации.

💰 Проблема: дорогие тарифы и агенты

Сейчас мы используем не «голые» языковые модели, а агентов, которые для решения задач тратят много токенов на фазу размышления и исполнение. Это ведёт к росту стоимости:

  • Новая норма — ~$200 в месяц за доступ к топовым моделям.
  • К 2026 году цены могут достигать $1000+.
  • Многим это не по карману, но потребность в автоматизации и кодинге остаётся.

🚀 Решение: сервис OpenRouter и тариф GO

OpenRouter — платформа-агрегатор моделей.

  • Тариф GO: $5 в первый месяц, затем $10/мес.
  • Что даёт: доступ к нескольким качественным моделям (GLM 5.1, Kimi, Minimax, Qwen, DeepSeek).
  • Это бюджетная альтернатива, которая подходит для нетяжёлых задач и пет-проектов.

🔧 Уровень 1: Оптимизация входящего контекста (RTK)

RTK AI High Performance CLI Proxy — прокси-сервер между вами и удалённым репозиторием (например, GitHub).

  • Как работает: фильтрует и удаляет системную информацию из ответов Git (статусы, логи), которая не несёт ценности для модели.
  • Результат: модель получает чистый, сжатый контекст.
  • Экономия токенов: от 80% (на командах ls, find) до 90% (на cargo test, npm test).
  • Устанавливается в OpenRouter одной командой: rtk init --openrouter.

🗿 Уровень 2: Оптимизация исходящих ответов (Caveman)

Caveman — скилл (навык), заставляющий модель общаться предельно лаконично, «как пещерный человек».

  • Суть: модель генерирует односложные, сверхкороткие ответы, сохраняя суть.
  • Уровни сжатия: от минимального до ультра-сжатого.
  • Эффект: радикально сокращает количество исходящих токенов.
  • Устанавливается через менеджер скиллов в OpenRouter, можно выбрать для разных задач (основной чат, коммиты, ревью кода).

⚙️ Уровень 3: Настройка агентов и команд

В OpenRouter можно создать и настроить собственных агентов под разные задачи, назначая им конкретные модели.

  • Как: редактирование конфигурационного файла (~/.openrouter/config.json).
  • Стратегия:
    • Для сложных задач (планирование, анализ) назначать «умную» модель (например, GLM 5.1).
    • Для написания кода — более бюджетную и быструю (например, Minimax).
    • Для ревью — снова «умную» модель.
  • После настройки конфига требуется перезагрузка OpenRouter.

🧪 Практический пример: создание веб-приложения

  1. Планирование: Агент GLM Planer (на GLM 5.1) создаёт план для приложения, добавляющего пиво на фото через DALL-E 2.
  2. Кодирование: Агент-кодер (с активированным Caveman) генерирует код по плану, давая краткие ответы.
  3. Экономия: Вместо многословных рассуждений модель выдаёт сжатые, но понятные сообщения (например, User peer up me build).

✅ Выводы и итог

  1. Комбинация подходов (бюджетный тариф + RTK + Caveman + кастомные агенты) позволяет экономить до 50-60% токенов.
  2. За $10 в месяц можно получить полноценный рабочий инструмент для вайпкодинга, автоматизации и пет-проектов.
  3. Качество взаимодействия будет ниже, чем с GPT-4, но как «рабочая лошадка» решение более чем эффективно.
  4. Потратив 30 минут на настройку, вы получаете доступ к нескольким сильным моделям (GLM 5.1, DeepSeek-V4-Pro и др.) за символическую плату.