Google Cloud publikuje jedenaście zasad oszczędzania tokenów AI przy programowaniu

Google Cloud opublikował 17 lipca 2026 roku przewodnik pod tytułem 'AI Tokenomics', w którym opisuje jedenaście zasad ograniczania zużycia tokenów przez asystentów programistycznych opartych na sztucznej inteligencji. Dokument powstał jako odpowiedź na rosnące koszty i spadającą jakość pracy agentów kodujących, gdy programiści zasypują je zbyt długim kontekstem.

Dlaczego kontekst kosztuje

Autorzy przewodnika wskazują trzy konkretne skutki przeładowania kontekstu przekazywanego modelom AI. Po pierwsze rośnie opóźnienie odpowiedzi, po drugie modele zaczynają zapominać wcześniejsze instrukcje albo halucynować, po trzecie rosną koszty, a uwaga programisty odpływa od problemów, które faktycznie mają znaczenie. To połączenie ma być głównym powodem, dla którego Google Cloud zdecydował się zebrać dobre praktyki w jednym miejscu.

Tokeny nie są nieskończone. Za każdym wywołaniem modelu językowego stoi prawdziwa, fizyczna maszyna wykonująca pracę, by wygenerować dla ciebie wynik. Traktuj priorytetowo projekty i funkcje, na których ci zależy - Google Cloud, przewodnik AI Tokenomics

Jedenaście zasad

Pierwsza zasada mówi o rozpoczynaniu pracy od zbalansowanego modelu, czyli Gemini 3.5 Flash w trybie średniego rozumowania, i sięganiu po większe modele lub wyższy poziom rozumowania dopiero gdy zadanie się nie powiedzie albo wymaga złożonego projektowania. Druga zaleca korzystanie z gotowych umiejętności zapisanych w plikach SKILL.md, żeby nie tłumaczyć agentowi tego samego przepływu pracy w każdym prompcie od nowa.

Kolejne zasady dotyczą automatyzacji powtarzalnych zadań przez skrypty i narzędzia CLI, delegowania zadań generujących dużo danych do subagentów oraz podziału pracy na sesje o wysokim poziomie rozumowania, w których powstaje plan, i sesje niskotokenowe, w których plan jest wykonywany z częstymi punktami kontrolnymi. Autorzy nazywają te dwa typy sesji odpowiednio 'Elephant' i 'Goldfish'.

Weryfikacja i porządek w sesjach

Przewodnik zaleca przesuwanie testów jak najwcześniej w proces pracy, czyli uruchamianie lokalnych buildów i testów jednostkowych od razu, a kosztownych testów interfejsu użytkownika dopiero na samym końcu. Jeśli agent zaczyna błądzić, autorzy radzą korzystać z cofania zmian albo przywracania plików zamiast nakładać kolejne prompty korygujące na już zepsuty stan kodu.

Ważna jest też konkretność instrukcji, na przykład wskazywanie dokładnej lokalizacji pliku i jednoznacznych adnotacji w kodzie zamiast ogólnych próśb. Zamiast wielokrotnie poprawiać agenta w rozmowie, przewodnik zaleca aktualizowanie globalnych reguł w pliku AGENTS.md albo edycję zapisanych umiejętności, tak by poprawka obowiązywała trwale.

Kontrola nad pętlami i sesjami

Ostatnie zasady dotyczą pętli nadzorujących pracę agentów, dla których autorzy zalecają ścisłe limity i warunki zatrzymania oraz mechanizmy wybudzania zdarzeniowego zamiast ciągłego odpytywania. Przewodnik radzi też zaczynać nową sesję czatu przy każdej zmianie tematu pracy, żeby uniknąć przenoszenia zbędnego kontekstu z poprzedniego zadania.

Dla polskich zespołów programistycznych, które coraz szerzej korzystają z asystentów kodujących opartych na dużych modelach językowych, przewodnik daje konkretny punkt odniesienia przy szacowaniu budżetów na AI. Rosnące rachunki za tokeny bywają zaskoczeniem dla zarządów firm, a jasne zasady zarządzania kontekstem pozwalają ograniczyć koszty bez rezygnowania z narzędzi.

Przewodnik nie podaje konkretnych cen ani oszczędności procentowych, skupia się na praktykach organizacyjnych. Google Cloud podkreśla, że celem jest utrzymanie szybkiej i precyzyjnej pętli zwrotnej między programistą a agentem, przy jednoczesnej kontroli wydatków na obliczenia.