Sabitlenmiş Tweet
Stan | Investissements Microcrèches & Immobiliers
1.5K posts

Stan | Investissements Microcrèches & Immobiliers
@stanmonnaie
Paris Katılım Aralık 2022
120 Takip Edilen1.3K Takipçiler

@iamsupersocks T'as tout dit, j'ai constaté la même merci pour le recap 👌🏾 👌🏾
Français

J’ai cramé 200 $ de tokens Claude en 30 minutes sur OpenClaw.
Hier après-midi, je codais tranquille avec mon agent sous Opus, comme d’habitude.
OAuth OK, abo 200 $/mois, config « propre ».
30 min → rate limit.
Tokens horaires explosés. Weekly déjà -30 %.
À 3 h du mat, je fixais encore le plafond en me disant :
« Comment un agent peut coûter autant pour si peu ? »
Réflexe d’ingé : j’ai ouvert le capot.
J’ai passé le repo OpenClaw dans Code Wiki → ~200 issues GitHub dans NotebookLM.
Et là, j’ai compris ce qui m’a rendu fou.
Le vrai coût d’OpenClaw, c’est pas Opus.
C’est le contexte fantôme.
À CHAQUE message, l’agent renvoie dans le prompt :
AGENTS.md, SOUL.md, MEMORY.md, skills, etc.
Même pour une question triviale.
Résultat : 8k–15k tokens cramés avant même que le modèle lise ta requête.
Tu demandes la météo → tu payes une analyse de repo.
Mais le pire, c’est le heartbeat :
le cron qui « garde l’agent en vie » toutes les 10–15 min réinjecte TOUT le contexte.
À chaque fois.
Donc ton agent parle tout seul 24/7 avec Opus pendant que tu dors.
Calcul rapide : ~12k tokens × 4/h × 24h ≈ >1M tokens/jour juste pour exister.
Bienvenue au club des gens qui financent un agent insomniaque.
Les 5 trucs que j’aurais aimé savoir jour 1 :
1. Opus ≠ modèle par défaut
Opus c’est pour le deep reasoning / code lourd. Tout le reste → Sonnet suffit largement.
2. Layering simple = -60 à -80 % direct
Aujourd’hui tout le monde flex « mon agent tourne sous Opus » alors que c’est littéralement prendre un jet pour aller au Lidl.
3. Vos fichiers perso sont trop gros
AGENTS.md à 3k tokens avec des doublons, SOUL.md roman autobiographique, MEMORY.md jamais nettoyé.
Chaque token ici = taxe permanente.
Depuis que j’ai slimé (AGENTS <800, SOUL <500, MEMORY <2k), la facture a fondu.
4. QMD est criminellement sous-utilisé
Par défaut l’agent lit des fichiers entiers pour trouver 3 lignes. QMD extrait juste les passages pertinents → ~90 % tokens search en moins. Night & day.
5. OpenClaw est amnésique par design
La « mémoire » est dans le prompt, donc dépend du modèle, donc saute à la compaction.
Mem0 sort la mémoire du prompt → recall auto, persistant, stable. Ça change tout.
Bonus : /new est un piège
Tu penses repartir clean, mais tu tues le prompt cache → tu repayes TOUT le contexte de base.
/compact > /new, quasi toujours.
Le vrai sujet derrière tout ça :
on parle beaucoup d’agents autonomes, mais très peu du coût réel d’une intelligence locale 24/7 out-of-the-box.
OpenClaw = brûleur de tokens, amnésique, accès système large.
La stack qui m’a sauvé :
context slim + model layering + QMD + Mem0 + approval gates.
Depuis : coûts divisés par 4–5, agent stable et utile pour de vrai.
Si vous utilisez OpenClaw, regardez votre conso tokens/jour.
Vous allez probablement faire le même saut de tension que moi 😅

Français

Wispr's finally launching their android app. One of the most fun waitlists I've seen: wisprflow.ai/waitlist?PK9
English

Colonial extraction and unequal exchange have shaped two centuries of North-South inequality.
🧵A thread on a NEW STUDY written with @gatonievas
[1/9]
🔗 wid.world/news-article/u…
English


