TAUSIK 1.4 — token baseline

TL;DR

Холостой старт /start тратит ~3500 input tokens до первого ответа агента (CLAUDE.md + AGENTS.md + Memory Block + 8 MCP-вызовов). /task <slug> добавляет ~600-1200 tokens (task show + plan + notes). /ship — самый дорогой: ~5000-8000 input tokens на иттерацию (review с 5 агентами + tests + commit).

Цель v1.4 polish — не превышать 5000 tokens на холостом /start, 8000 tokens на /ship при минимальной потере функциональности.

Методология

Реальные measurements не сделаны — Claude Code harness не expose token counts через programmatic API на момент сессии #43. Числа ниже — estimate на базе:

1. Lines × tokens/line factor: для plain-text Markdown в Claude tokenizer ≈ 3.5 tokens/line average (короткие списки → 2.5, длинные параграфы → 5).
2. wc -l на ключевых файлах (см. ниже).
3. MCP tool result sizes — JSON-сериализованный вывод считается через JSON length / 4.
4. Конверсия chars → tokens: cl100k_base / claude-tokenizer ≈ 1 token / 3.5-4 chars для смешанного EN+RU.

Точное профилирование запланировано в Phase B — задача v14b-token-profiling-instrument через PostToolUse hook, который пишет реальные usage_events в БД.

Baseline numbers (estimate, sentinel commit b5ec2c6)

/start initial context inject

Источник	Lines	Estimate tokens
CLAUDE.md (full body)	172	~600
AGENTS.md	143	~500
Tool definitions (system prompt от Claude Code, ~99 MCP tools — описания в tools.py)	—	~12000-15000
Skill definitions (13 core skills × ~20 lines = ~260 lines descriptions при context_tier=standard)	260	~900
Memory Block (recent decisions + conventions + dead ends)	~30	~150
MCP tool calls в /start (8 параллельных): session_start, status, last-handoff, task_list, metrics, explore_current, audit_check, memory_block	—	~1500 (output JSON)
Brain primer (если включен)	—	~300
Итого /start	—	~16000-18500 input tokens

⚠️ Главный жировик — tool definitions (~12-15k tokens) генерируются Claude Code из 99 MCP tools. Это system prompt, не controlled через TAUSIK.

/task <slug> (resume)

Источник	Estimate tokens
tausik_task_show JSON	~300
tausik_task_logs (если 5+ записей)	~500-800
Plan steps (если есть)	~200
Итого /task	~600-1200 (поверх /start context)

/ship (полный pipeline)

Источник	Estimate tokens
5 параллельных /review agents (каждый читает diff + scope)	~3000 (output)
pytest через verify	~500 (output если PASS, до 5000 при FAIL)
Adversarial critic (6-й агент)	~600
tausik_task_done_v2 JSON	~400
commit skill (read git diff + write message)	~800
Итого /ship	~5000-8000 input tokens

Где жирно (приоритеты оптимизации)

P0 — system prompt MCP tools description (~12-15k tokens)

99 MCP tools = большой system prompt. Каждый tool ≈ 100-200 tokens (name + description + JSON schema).

Опции:

1. Lazy tool loading: MCP server возвращает только подмножество tools на основе _meta request. Не реализовано в Claude Code MCP protocol сейчас.
2. Context tier: при context_tier=minimal — оставлять только 30 core tools (task_, session_, status, doctor). Brain/cost/skill/team etc. — only on demand. Кандидат для Phase B.
3. Tool grouping через namespacing: mcp__tausik__core vs mcp__tausik__brain vs mcp__tausik__cost. Claude Code тогда может опционально загружать группы.

P1 — Skill descriptions (~900 tokens)

13 core skills × ~70 tokens описание. Можно сократить до one-liner (~25 tokens / skill = ~325 итого, экономия 575).

P2 — CLAUDE.md (~600 tokens)

172 lines включая SENAR compliance таблицу (40+ строк). При context_tier=minimal bootstrap уже рендерит short version (~80 lines). Включить minimal по умолчанию для агентов с маленьким context window.

P3 — Tool result verbosity

tausik_status (default) выводит ~200 lines текста. Через --compact — 1 строку JSON (~50 tokens). Skills уже используют --compact в /start. Document это как best practice.

Targets для v1.4 polish

Команда	Current estimate	v1.4 target	Подход
/start cold	~17k	≤10k	minimal CLAUDE.md + minimal skill descriptions + tool grouping (если protocol позволит)
/task <slug>	~900	≤700	task_show compact mode
/ship (happy path)	~6k	≤4k	review skill использует scoped diff; adversarial critic only on flagged changes

Как реально измерить (Phase B follow-up)

Задача v14b-usage-events-auto-write:

1. PostToolUse hook читает tool_use_id после каждого MCP/Bash вызова.
2. Записывает usage_events row: tool_use_id, input_tokens, output_tokens, task_slug, model_id.
3. tausik metrics --cost --by tool показывает топ-10 жадных tools.
4. После 1 недели использования — реальный baseline вместо estimate.

Сводка

• Сейчас сессия /start стоит ≈ $0.12 на Opus 4.7 (15k input × $15/1M = $0.225, минус ~30% за prompt cache hit на second tool call).
• За день активной разработки (10× /start + 30× /task + 5× /ship) ≈ $5-8 если без cache hits, ≈ $2-3 с aggressive caching.
• Главные жировики — system prompt tools list. Это outside TAUSIK control, но context_tier + tool grouping минимизируют.

Связанные документы

• docs/en/skill-profiles.md — multi-model variants для ужать prompts на Haiku/Sonnet
• docs/en/dev-doc-checks.md — drift checks
• Phase B follow-up: v14b-usage-events-auto-write, v14b-tool-grouping-context-tier

Версионирование

Версия	Дата	Изменения
1.0	2026-05-03	Первый baseline (estimate-only, без реальных измерений)