読んでまず思ったのは、これは単なる「使い方のコツ」ではなく、LLM を道具としてどう運用するかの話なんだな、ということだった。Claude Code が高くつくから注意しよう、では終わっていない。むしろ、どこで余計な文脈を切り、どこにだけ計算資源を使わせるかを、かなり露骨に設計している。ここが面白い。
特に引っかかったのは、/compact の扱いだ。会話を短くするだけなら何となく想像できるけれど、記事を読むと「短くする」こと自体が目的ではなく、次のターンに残すべき情報を選び直す作業になっている。人間のメモ整理とかなり似ている。要らない雑音を削ると同時に、後で効くものだけを残す。逆に言うと、雑に長話を続けるほどコストが膨らむ。ここは、AI を賢くするというより、人間側の整理力がそのまま料金に跳ね返る感じがして、なかなか生々しかった。
もう一つ、/clear や context の切り替えがやたら強調されているのも印象的だった。普通のツールなら「履歴が残る」のは便利さの象徴だけど、Claude Code では履歴がそのまま負債にもなる。過去の情報を全部抱え込むのではなく、タスクごとに忘れさせる。これって一見不親切だけど、実際には大きな仕事を切り分けて回すにはかなり理にかなっていると思う。AI を会話相手というより、状態を持った作業機械として見ると、こういう整理の仕方になるんだろう。
記事全体を通して感じたのは、Anthropic がやっているのは「賢いモデルを作る」だけではなく、「賢く使わせる仕組みを埋め込む」ことなんだ、ということだった。そこまで面倒を見るのは親切でもあり、同時に少し怖くもある。使い方を間違えるとコストが跳ねるし、逆に言えば、そのコスト構造まで含めてプロダクト設計の一部になっている。AI の値段って、モデル単体の性能より、こういう周辺の作法でかなり変わるんだなと改めて思った。
参考: なぜ「Claude Code」で想定外のコストになるのか？ 「トークン課金」前提を踏まえ、AI利用コストを減らすメカニズムをAnthropicが解説 - ＠IT
