Dimitri Mazmanov, Principal Product Manager do Spotify, publicou como cortou 90% do consumo de tokens do Claude Code — e o mecanismo não é o que normalmente se imagina quando alguém fala em “otimizar contexto”. Não é seleção inteligente de quais arquivos importam via grafo de dependências. É interceptar leituras grandes de arquivo antes que elas cheguem ao Claude, e desviar esse trabalho pra um modelo bem mais barato.
O número que dá contexto ao problema
O post parte de um dado que a maioria dos resumos sobre isso pula: segundo Mazmanov, engenheiros já gastam entre $200 e $500 por desenvolvedor por mês em tokens de assistente de código, com alguns casos passando de $2.000/mês. É esse custo que motivou construir o Portal — especificamente um componente chamado AiKA Modes, descrito no post como “um agente declarativo que roda num runtime efêmero — pensa em AWS Lambda, mas para agentes”.
Como funciona de verdade: três camadas
A primeira camada são hooks nativos do próprio Claude Code. Hooks do tipo PreToolUse disparam antes de toda chamada de ferramenta — e o sistema (chamado Shunt no código) registra dois desses hooks pra interceptar leituras de arquivo acima de um limite configurável, padrão de 350 linhas. Quando o Claude tenta ler um arquivo grande, o hook intercepta antes que aquele conteúdo entre no contexto da conversa principal.
A segunda camada é onde a economia realmente acontece: scripts em bash que constroem a requisição, invocam a ação e tratam erros através da Portal CLI, delegando a leitura pra um modelo worker mais barato — Gemini 2.5 Flash, no caso — em vez do próprio Claude processar aquelas centenas de linhas diretamente. O worker lê, resume ou extrai o que é relevante, e só esse resultado processado volta pro contexto principal. A resposta típica leva entre 10 e 30 segundos, com limite de 30 segundos por invocação.
A terceira camada são dois arquivos de skill que ensinam o Claude quando e como chamar esses scripts — é a parte que integra as duas camadas técnicas anteriores ao fluxo normal de trabalho do agente, sem exigir que o desenvolvedor mude como interage com a ferramenta.
Por que isso é diferente de “contexto seletivo”
A diferença importa tecnicamente: um sistema de seleção de contexto por dependências (como AST parsing e travessia de grafo de importações) decide o que excluir antes de qualquer leitura acontecer. O que o Portal faz é diferente — deixa a leitura acontecer, mas delega o processamento caro dela pra um modelo mais barato, e só repassa pro Claude o que sobrou de relevante depois dessa primeira passada. É otimização por divisão de trabalho entre modelos, não por triagem prévia de arquivos.
Isso também explica por que o limite de 350 linhas é o gatilho: não é acerca de relevância do arquivo pra tarefa, é sobre volume bruto de texto que entraria no contexto caro do Claude se lido diretamente.
O que fica de lição prática
Pra quem gasta os mesmos $200-500/mês mencionados no post e quer replicar a ideia, o ponto de partida não é um parser de AST — é usar hooks PreToolUse do próprio Claude Code pra interceptar operações caras (não só leitura de arquivo grande, qualquer chamada de ferramenta cara) e decidir, hook adentro, se aquilo pode ser delegado pra um modelo mais barato antes de consumir o contexto principal.
