پرش به محتوای اصلی
پرش به محتوای مقاله

«تحلیل محلی لاگ‌ها»؛ راهکار Tare برای مهار مصرف توکن در Claude

·۵ شهریور ۱۴۰۵۵ دقیقه مطالعه
GitHub - kelviq/tare: بررسی مصرف توکن Claude Code، تشخیص محدودیت و تحلیل استفاده — با داده‌های محلی، بدون ارسال اطلاعات.
GitHub - kelviq/tare: بررسی مصرف توکن Claude Code، تشخیص محدودیت و تحلیل استفاده — با داده‌های محلی، بدون ارسال اطلاعات.
اشتراک‌گذاری
واقعاً چه چیز جدید است؟

معرفی نخستین ابزار بازرسی محلی برای Claude Code که تورم ۸۶ درصدی در شمارش توکن‌های لاگ را اصلاح کرده و هزینه واقعی هر ابزار را تفکیک می‌کند.

یک حلقهٔ اتوماسیون مخفی می‌تواند سهمیهٔ هفتگی شما از هوش مصنوعی را در عرض چند دقیقه به پایان برساند. ابزار Tare که در ۲۷ اوت ۲۰۲۶ عرضه شد، یک ابزار کاربردی متن‌باز (Open-source) است که به Claude Code یاد می‌دهد تا لاگ‌های محلی جلسات را بازرسی کند و دقیقاً نقاطی را که توکن‌ها در آنجا ناپدید می‌شوند، بیابد.

بسیاری از برنامه‌نویسان با محدودیت‌های مصرف هوش مصنوعی مثل یک جعبهٔ سیاه برخورد می‌کنند؛ یعنی وقتی سقف مصرف پر می‌شود، فقط منتظر بازنشانی (Reset) می‌مانند و حدس می‌زنند کدام پروژه مقصر بوده است. این نبودِ شفافیت در گردش‌کارهای عامل‌محور (Agentic) — که در آن فرآیندهای پس‌زمینه می‌توانند بی‌صدا هزینه‌ها را بالا ببرند — یک نقطهٔ ضعف شناخته‌شده است. همان‌طور که در تحلیل قبلی ما درباره‌ی خطرات نصب خودکار کد توسط عامل‌های هوش مصنوعی در شبکه‌های سازمانی اشاره کردیم، ابزار Tare روی روی دیگر این سکه تمرکز کرده است: مصرف نامرئی منابع توسط این عامل‌های خودمختار. این تلاش برای بهینه‌سازی مصرف در حالی صورت می‌گیرد که Claude Code پیش‌تر با معرفی روش‌های جدید مسیریابی و فشرده‌سازی توکن‌ها توانسته بود هزینه‌های API را تا ۳۵ درصد کاهش دهد.

نحوه عملکرد Tare

Tare از هیچ داشبورد ابری یا API جداگانه‌ای استفاده نمی‌کند. این ابزار از این واقعیت بهره می‌برد که Claude Code پیش از این تمام درخواست‌ها را روی ماشین کاربر ذخیره می‌کند. با نصب Tare به عنوان یک مهارت (Skill) — شبیه به اضافه کردن یک افزونه به مرورگر برای انجام کارهای خاص — کاربران می‌توانند با زبان ساده و انگلیسی بپرسند «چرا دیروز به سقف مصرف رسیدم؟» و ابزار با تحلیل لاگ‌های محلی، پاسخی علت‌محور (Causal) می‌دهد.

نصب این ابزار با یک دستور واحد انجام می‌شود:
npx skills add kelviq/tare -g -y --copy --agent claude-code
پس از فعال‌سازی، ابزار از طریق دستور /tare یا پرس‌وجوهای متنی در دسترس است. کاربران می‌توانند با تایپ / بررسی کنند که آیا نام tare در لیست مهارت‌ها ظاهر می‌شود یا خیر. طبق مستندات، اگر نام آن دیده نشود، احتمالاً نصب‌کننده در ماشین‌هایی که پیش از این هرگز هیچ مهارتی را نصب نکرده‌اند، با خطا مواجه شده یا آن را نادیده گرفته است.

زمینه و پرس‌وجوهای کاربردی

به دلیل ادغام به صورت مهارت، Tare شکایات کاربران درباره محدودیت‌ها را به زبان طبیعی می‌فهمد. کاربران می‌توانند برای تشخیص تخلیه سهمیه، سوالات دقیقی بپرسند:

  • تحلیل محدودیت: «آیا به سقف ۵ ساعته رسیدم یا سقف هفتگی؟» یا «ده دقیقه بعد از شروع جلسه شبانه‌ام مسدود شدم؛ چطور چنین چیزی ممکن است؟»
  • ردیابی توکن: «کدام پروژه من توکن‌ها را می‌بلعد؟» یا «گران‌ترین فایلی که Claude مدام بازخوانی می‌کند کدام است؟»
  • حسابرسی سربار: «آیا سرورهای پروتکل زمینهٔ مدل (MCP) سربار زیادی به زمینه اضافه می‌کنند؟» یا «زیر-عامل‌ها (Subagents) و مهارت‌ها چقدر سربار ایجاد می‌کنند؟»
  • بررسی پیش‌پرواز: «پنجره ۵ ساعته من در حال حاضر چقدر پر است؟» تا مشخص شود آیا شروع یک بازسازی (Refactor) بزرگ در این لحظه ایمن است یا خیر.
  • تشخیص پس‌زمینه: «آیا Claude Code وقتی خواب بودم فعال بود؟» یا «ماه گذشته یک اتوماسیون راه انداختم؛ هزینه آن برای من چقدر شده است؟»

حل مشکل «مالیات زمینه» (Context Tax)

یکی از مهم‌ترین یافته‌های Tare، شناسایی «هزینه کانتینر» است. در جلسات طولانی، فایلی که در ابتدا خوانده شده، با هر پیام جدید دوباره ارسال می‌شود. Tare این سربار را کسر می‌کند تا هزینه واقعی کار را از هزینه پنجرهٔ زمینه (Context Window) — که مثل میز کاری است که فقط جای چند ورق دارد و نه کل کتابخانه — تفکیک کند.

GitHub - kelviq/tare: بررسی مصرف توکن Claude Code، تشخیص محدودیت و تحلیل استفاده — با داده‌های محلی، بدون ارسال اطلاعات.

بر اساس مستندات پروژه در گیت‌هاب، Tare قابلیت‌های جرم‌شناسی (Forensic) دقیقی ارائه می‌دهد:

  • حذف تکرار (Deduplication): تعداد توکن‌های خام را که به دلیل نحوه ثبت لاگ‌های API در Claude Code اغلب تا ۸۶٪ متورم می‌شوند، اصلاح می‌کند تا عدد واقعی به دست آید.
  • تشخیص اتوماسیون: امضای اسکریپت‌ها — مانند صدها جلسه کوتاه موازی — را شناسایی کرده و آن‌ها را به عنوان فعالیت غیرانسانی علامت‌گذاری می‌کند. برای مثال، می‌تواند تشخیص دهد که یک ابزار ۱٬۵۵۳ جلسه کوتاه ایجاد کرده که منجر به ۹٬۰۲۲ درخواست شده است. این سطح از اتوماسیون در حالی اهمیت می‌یابد که بررسی‌های اخیر نشان داده است Claude Code پتانسیل خودکارسازی نزدیک به نیمی از کارهای نگهداری کد را دارد.
  • ردیابی پنجره: پنجره غلتان ۵ ساعته را مانیتور می‌کند. از آنجا که محدودیت‌ها دقیقاً در لحظه توقف کار شما بازنشانی نمی‌شوند، Tare می‌تواند دقیقاً مشخص کند که در لحظه مسدود شدن، پنجره چقدر پر بوده است.
  • نسبت دادن ابزار: هزینه توکن‌ها را به ابزاری که باعث ایجاد آن زمینه شده نسبت می‌دهد، نه فقط به توکن‌های بازگشتی. این کار فاش می‌کند که چگونه خواندن یک فایل حجیم در ابتدای جلسه می‌تواند بی‌صدا بودجه یک هفته را تسخیر کند.

ابزارها برای کاربران حرفه‌ای خط فرمان

در حالی که زبان طبیعی کاربرد دارد، Tare مجموعه‌ای از دستورات خاص را برای تشخیص سریع‌تر فراهم کرده است:

  • /tare full diagnosis: یک تجزیه و تحلیل کامل از اینکه توکن‌ها کجا رفتند و چرا.
  • /tare usage: یک پنل سریع برای نمایش مصرف به همراه نسبت دادن هزینه‌ها.
  • /tare window: بررسی وضعیت فعلی پنجره ۵ ساعته.
  • /tare report [days]: ساخت و باز کردن یک گزارش HTML در مرورگر.
  • /tare tools [days]: شناسایی مواردی که در حال پر کردن پنجره زمینه هستند.
  • /tare week: مقایسه مصرف فعلی با هفته گذشته.
  • /tare share [days]: ایجاد یک خلاصه سانسور شده که برای انتشار عمومی ایمن است.

حریم خصوصی و امنیت

از آنجا که این ابزار برای توسعه‌دهندگان ساخته شده، سیاست سخت‌گیرانه «فقط محلی» (Local-only) دارد. طبق اعلام سازندگان، هیچ اتصال شبکه‌ای در طول فرآیند بازرسی برقرار نمی‌شود و همه چیز روی ماشین کاربر اجرا می‌گردد. هنگام تولید خلاصه برای همکاران، Tare تمام پرامپت‌ها، مسیر فایل‌ها و شناسه‌های حساب را حذف (Redact) می‌کند و فقط مجموع‌ها، تاریخ‌ها و نام ابزارها را باقی می‌گذارد.

امنیت اولویت اصلی است؛ فایل SECURITY.md صراحتاً ذکر می‌کند که هر فایل چه چیزی را می‌خواند، می‌نویسد یا ارسال می‌کند. کاربران می‌توانند این ادعاها را با یک دستور ساده grep روی کدهای ابزار تأیید کنند.

تحلیل: تغییر رویکرد به سمت مشاهده‌پذیری هوش مصنوعی

برای توسعه‌دهنده کاربردی، Tare رابطه با عامل‌های هوش مصنوعی را از «اعتماد کورکورانه» به «حسابرسی فعال» تغییر می‌دهد. وقتی عامل‌ها از رابط‌های چت ساده به ابزارهای خودمختاری تبدیل می‌شوند که در پس‌زمینه اجرا می‌شوند، «نشتی توکن» به یک ریسک مالی و عملیاتی تبدیل می‌شود.

افشای تورم ۸۶ درصدی در شمارش ساده لاگ‌ها، مشکلی بزرگ‌تر در صنعت را برجسته می‌کند: نبود تله‌متری استاندارد و شفاف برای هوش مصنوعی عامل‌محور. وقتی برنامه‌نویس ببیند خواندن یک فایل حجیم بودجه هفتگی‌اش را می‌بلعد، می‌تواند رفتارش را تغییر دهد — مثلاً بین وظایف از دستور /clear استفاده کند تا هزینه‌ها را بهینه کند.

این ابزار در واقع لاگ‌های هوش مصنوعی را به یک رابط عیب‌یابی برای اقتصادِ هوش مصنوعی تبدیل می‌کند و پیام ناامیدکننده «سقف مصرف تکمیل شد» را به یک گزارش عملیاتی درباره ناکارآمدی معماری تبدیل می‌کند.

کاربران macOS یا لینوکس با پایتون ۳.۹ به بالا می‌توانند این مهارت را از طریق npx نصب کنند. برای کسانی که کنترل دستی را ترجیح می‌دهند، مخزن پروژه سه اسکریپت پایتون بدون وابستگی (Dependency-free) برای خروجی‌های CSV، کارهای زمان‌بندی شده (Cron jobs) و تله‌متری زنده هر درخواست ارائه داده است.

گام بعدی شما

  • اگر از Claude Code استفاده می‌کنید، همین حالا Tare را نصب کنید تا متوجه شوید کدام فایل‌ها یا ابزارها بیشترین هزینه توکن را روی حساب شما دارند.
  • در جلسات طولانی، عادت کنید بین تسک‌های متفاوت از دستور /clear استفاده کنید تا از ارسال تکراری زمینه (Context Tax) جلوگیری کنید.
  • گزارش HTML ابزار را بررسی کنید تا الگوهای مصرف غیرعادی یا حلقه‌های اتوماسیون ناخواسته را در پس‌زمینه شناسایی کنید.

اما داستان سخت‌افزاری این تحول حتی شگفت‌انگیزتر است — به تحلیل ما درباره‌ی تراشه‌های Blackwell مراجعه کنید.

چرا این موضوع مهم است؟

این ابزار با تکیه بر تحلیل لاگ‌های محلی (Experience)، ریسک مالی ناشی از حلقه‌های بی‌نهایت عامل‌های هوش مصنوعی را کاهش می‌دهد. ایجاد شفافیت در مصرف توکن، اعتماد توسعه‌دهندگان را برای استقرار عامل‌های خودمختار در مقیاس بزرگتر جلب می‌کند.

تأثیر برای ایران

به‌دلیل محدودیت‌های API و هزینه‌های بالای دلاری، ابزارهایی مثل Tare برای توسعه‌دهندگان ایرانی که با بودجه‌های محدود کار می‌کنند، حیاتی است تا از اتلاف توکن‌ها جلوگیری کنند.

·نگاه ما
تحریریه دات‌هوش

شفافیت در مصرف توکن، گام نخست برای تبدیل هوش مصنوعی از یک «اسباب‌بازی گران‌قیمت» به یک «زیرساخت قابل پیش‌بینی» است. Tare نشان می‌دهد که در دنیای عامل‌های خودمختار، مدیریت منابع (Resource Management) به اندازه کیفیت پاسخ‌ها اهمیت دارد. این ابزار در واقع یک لایه Observability برای اقتصاد توکن‌ها ایجاد می‌کند که در آینده احتمالاً به یک استاندارد در تمام محیط‌های توسعه تبدیل خواهد شد.

منابع

این گزارش با خط‌لولهٔ خودکار دات‌هوش از منابع معتبر جهانی تدوین و زیر نظر تحریریه منتشر شده است. روش کار ما

گفتگو

پنج‌شنبه‌های هوش‌محور

بسته‌ی هفتگی دات‌هوش

۵ خبر، ۲ ابزار، ۱ پرامپت در هر شماره. به‌زودی راه‌اندازی می‌شود — هر پنج‌شنبه صبح.

خبر کلیدی
ابزار کاربردی
پرامپت حرفه‌ای
تحلیل پژوهش
به‌زودی
زاویه‌ی ایرانی
به‌زودی
تمرین این هفته
به‌زودی

راهنماهای دات‌هوش

راهنماهای کاربردیِ دات‌هوش برای کار با هوش مصنوعی — از همین‌جا شروع کنید:

دات‌هوش

راهنمای فارسی هوش مصنوعی — با نگاه به ایران

اخبار روزانه، معرفی ابزارها و مدل‌ها، و آموزشِ کار با هوش مصنوعی؛ همیشه با این پرسش که از ایران چه چیزی کار می‌کند و چه چیزی نه.